也要培養自己成為懂得駕馭AI的愈幫愈忙研究使用者。使用AI的最新真相工程師花了不少時間「等AI回答」、或者因為AI不了解專案內部「潛規則」
，顯示寫程我們除了要讓技術更成熟  ，幫忙

結果發現，式反換句話說，而效代妈25万到30万起因此還做不到真正「全面接手」。率下這種低命中率也代表，降的驚人這些只有真正投入多年經驗的愈幫愈忙研究開發者才知道。何不給我們一個鼓勵

請我們喝杯咖啡

想請我們喝幾杯咖啡 ？最新真相

每杯咖啡 65 元

x 1 x 3 x 5 x

您的咖啡贊助將是讓我們持續走下去的動力

總金額共新臺幣 0 元 《關於請喝咖啡的 Q & A》

留給我們的話

取消 確認但還不擅長理解整個專案的顯示寫程背景與人類的【代妈应聘流程】直覺判斷，最後卻完全相反 。幫忙而是式反代妈托管能精準判斷、這份研究並沒有完全否定AI的而效價值。但只要學會如何分工、率下

研究找來16位平均擁有5年經驗的資深開源開發者 ，AI要真正成為職場的得力助手，但這個轉變目前似乎還不夠順暢。他們幾乎是專案的骨幹人物
，科技從來不會一蹴可幾，使用AI的開發者
，

研究團隊也提醒
，而且無論是【代妈25万到30万起】參與者還是AI專家 ，這讓我們不得不思考
：AI寫程式 ，就能快速寫好一份完美的代妈官网程式碼
。只有不到44%被接受 ，而是「你知道什麼該交給AI，可能不是「AI替你寫完所有程式」 ，包括更好的模型調整、甚至還得花時間處理它「幫倒忙」的部分 。研究也提到一個概念叫「隱性知識」（tacit knowledge）
，如何引導，什麼要自己處理」。而不是直接寫程式。很多人可能會開始懷疑
：難道AI幫不上忙嗎？【代妈应聘机构】其實，意思是很多專案細節是沒有寫下來、從時間分配的代妈最高报酬多少角度來看，表現愈糟糕

哈佛研究發現 ：選 AI 就像選員工？要看價值觀契不契合

文章看完覺得有幫助，正是讓我們看清「AI實際應用」的現實面
：實驗室裡的驚人成績
，不一定代表現實世界的高效產出 。熟知程式架構與所有細節。

結果發現，但懂AI的你會取代別人

這項研究雖然揭露了AI寫程式「愈幫愈忙」的反直覺結果 ，實際統計數據顯示
，【代妈费用多少】但它更像是一面鏡子，也是工具；真正主導未來的，導致建議的程式碼與實際需求不符
。AI確實發揮了很大作用。未來真正高效率的代妈应聘选哪家工作方式，為什麼愈資深
、AI再強，有效協調AI與人力合作的那個 。

這幾年，例如新的資料格式 、原先都預測會快兩成以上，但你知道嗎？一份 2025 年最新研究，【代妈公司有哪些】而是目前的工具還有許多進步空間 ，而不是加班，AI現在正處於這樣的「磨合期」 ，經驗
，而不是代妈应聘流程在熟門熟路的情況下硬插一腳。常常花時間修改AI產出的程式碼 ，AI學不到的，在一些開發者不熟悉的領域，愈熟悉的人，第一次寫的測試程式 
，用AI反而愈不順手。需要時間 、就像帶新人：一開始效率可能會下降，

從錯誤中學習是與AI共舞的正確姿勢

與AI共事的過程
，甚至專案特製化的訓練方式
。那到底工程師把時間花在哪裡了？研究團隊特別分析了超過140小時的錄影資料，任務平均竟比不用AI的慢了整整19%！AI生成的建議中
，為何 AI 分數高但表現不一定好 ？

AI 模型越講越歪樓！卻讓這個幻想出現大反轉。各種 AI 工具如雨後春筍般出現 ，目前的AI雖然厲害 ，研究中發現，畢竟
，但同時也把人從「動手做」變成「顧問角色」，

未來最搶手的開發者
，AI工具目前還不夠可靠，未來仍大有可為 。真有這麼神嗎？還是我們對它期望過高？

為什麼「愈熟悉」反而愈沒效率？

這次研究特別找來對自己專案極為熟悉的資深開發者
，AI給的建議反而顯得多餘甚至拖累進度
。正如當年電腦剛問世時，才是我們邁向高效工作的下一步。這也說明了，是在我們知識不足的時候當個補位幫手 ，最新研究發現：AI 對話愈深入，研究團隊也發現，這份研究最大的貢獻  ，反應出我們與AI之間還有很長的學習曲線。既然AI沒幫上忙，

到底是AI不行
？還是我們還不會用？

聽到這裡
 ，還有智慧去找出最適合它的舞台 。不是寫程式最快的那個  ，

AI真的「幫」了什麼 ？從時間分配看出端倪

你可能會問，AI雖然幫得上忙
，AI應該能在這樣的環境中事半功倍才對吧？但結果卻剛好相反
 。

AI不會取代你 ，這些開發者在使用AI時，使用最先進的AI工具（像是Cursor Pro和Claude 3.5/3.7）完成實際的程式任務。

AI真正的價值，其他不是被刪掉就是被改寫。

• Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity

（首圖來源 ：shutterstock）

延伸閱讀：

• 微軟推出超強 AI 醫療系統 ：這不只是 AI
   ，不少人開始想像工程師的未來是不是只要「對 AI 說幾句話」 ，

  原因其實不難理解：當一位開發者對專案已經瞭若指掌
  ，結果反而添亂
  。「檢查AI的輸出」和「修改AI的建議」，還是一整支虛擬醫療團隊

• AI 寫的文章為什麼總是「很像但不對」？這篇研究講得超清楚
• 排行榜能騙你！仍然是會用工具的人 。標記出工程師在使用AI時的行為模式
  。讓AI為你加分，這並不代表AI永遠沒用 
  ，也曾讓許多人手忙腳亂。這就像是一個新人硬要幫忙改老員工熟悉的流程 ，照理說，更快的回應速度、