研究：AI编码时代代码可维护性大幅下降

GitClear 与 GitKraken 联合发布的最新研究显示，随着 AI 编程工具大规模进入开发流程，代码库的可维护性正急剧恶化。该研究覆盖了 2023 至 2026 年间 6.23 亿次真实代码变更，发现 AI 辅助提交的占比已达四分之一，同时八项与可维护性相关的代码质量指标全面恶化。

核心数据：技术债务全面上升

研究将 AI 编码工具普及前后的提交行为进行对比，得出几个关键发现：

• 代码重复增加 81%，定义为连续五行以上有意义的重复代码出现次数
• 代码复用下降 70%，以 Move（重构）操作衡量，即提交对已有代码库进行编辑的频率
• 遗留代码重构（针对 12 个月以上未触碰代码的更新与移除）自 2023 年以来下降 74%
• 函数间调用连接性下降 35%，反映新代码对既有函数的引用减少
• 错误遮蔽模式增加 47%，即 catch 块、安全导航运算符和存根方法被用来掩盖而非处理异常输入

GitClear 首席执行官、报告作者 Bill Harding 表示：「每次你需要某个功能，AI 都会为它创建一个新的包。这种普遍的开发方式会带来各种后果。」

DRY 原则被普遍抛弃

研究最突出的信号是代码复用大幅减少，开发者越来越倾向于创建新代码而非共享已有逻辑。Harding 指出：「如果你不共享代码，每次实现都会丢掉之前开发者在代码库中积累的所有进展。」

这种趋势的直接后果是代码库膨胀，进而迫使团队围绕新构建的代码重新设计测试、文档和可理解性。Harding 补充说，长期来看，当你有五个相似但不同的同一功能实现时，痛苦就会显现。代码库膨胀不仅增加维护成本，也使得新人 onboarding 变得更加困难。

AI 倾向「掩盖」错误而非真正修复

研究还发现，AI 编程工具的优化目标是满足提示词，而非编写严谨的代码。一种常见捷径是写出「永不抛错」的代码，无论输入多么异常。

「AI 强烈倾向于编写不会被标记为缺陷的代码」，Harding 说道。这种做法将技术债务转嫁给后续维护者——他们最终需要判断哪些错误处理是出于实际需要，哪些是 AI 为图省事而添加的。GitClear 将这种现象称为「遮蔽」（obfuscation），其结果是程序表面不再崩溃，但用户行为变得令人困惑，深度连接减少，沦为「浅层应用」。

趋势是否已见顶？

研究指出，部分指标的增长似乎正在趋于平缓。Harding 表示：「令人鼓舞的是，代码重复增长幅度不大，代码流失也只是略有增加。」但他认为这远未结束，问题的表现非常广泛——不仅是重复，更是缺乏对遗留代码的持续维护。

此前，Google 发布的年度 DORA 报告也印证了类似趋势：2024 年的研究表明，每增加 25% 的 AI 使用量，代码不稳定性上升 7.2%；2025 年研究与 2026 年 ROI 分析也持续指向 AI 使用带来的不稳定问题。

对工程团队的建议是：建立 AI 编码最佳实践的意识，对输出进行审查，并衡量常见的遮蔽模式。Harding 还建议关注那些更容易产生此类缺陷的特定 LLM 或初级开发者群体，并及时调整方向。从近期 Replit agent 删除生产数据库、Moltbook 令牌泄露等事件来看，AI 辅助开发中的可靠性问题仍在持续暴露。