AI编写的代码是否比人类代码更容易出Bug？

关于AI编写的代码是否比人类手写代码更容易引入Bug，工程师们一直各执一词，但很少有人能提供数据支持。Repowise团队采用缺陷预测领域的标准方法——通过分析实际项目的Git历史，将每次Bug修复归因于引入该Bug的提交。他们分析了28个公共仓库中112,382次提交，涵盖了AI编码代理首次合并真实Pull Request的一年时间。

研究首先构建了一个每个提交的溯源检测器，通过读取八种不同信号（如机器人账户身份、服务邮箱、提交消息页脚、合作者尾注等）来区分代码来源，并经过盲测验证，精确率达到96.2%。根据来源，代理提交被分为三个层级：T1（自动机器人代理，如Devin、Copilot编码代理）、T2（人类驱动的代理，如Claude Code、Codex，这是绝大多数）和T3（AI辅助，仅添加合作者标记）。

核心发现是：AI代理提交的代码并不比人类代码更容易引入Bug。在控制变更规模后，人类驱动的AI代理（T2）引入Bug的几率仅为人类的0.57倍（95%置信区间0.42-0.76），自动机器人代理（T1）为0.75倍（0.43-0.95），AI辅助（T3）为0.96倍（0.69-1.08），与人类无异。即使采用更严格的B-SZZ变体来消除偏向，T2的效果仍为0.79（0.68-1.01），置信区间上限刚触及1.0，因此没有证据表明代理提交引入了更多Bug。

此外，AI编写的代码行存活时间更长。在相同仓库中，人类驱动的AI代理编写的代码行存活率比人类代码高17.9个百分点。研究提出了三种可能原因：一是代理的Pull Request可能经过更严格的审查；二是代理提交偏向修复而非新功能，修复型提交风险较低；三是人类基线并非最优，包含了许多匆忙的提交。

然而，研究有重要限制：结果仅针对已审查并合并的提交；未检测到的代理代码（开发者手动复制）被计为人类，可能低估了影响；代理活跃的仓库较新（约12个月）；数据集并非随机样本。总体而言，数据表明，在人类审查的前提下，有能力的开发者配合AI代理产生的代码质量至少不低于人类单独工作。