AI編寫的代碼是否比人類代碼更容易出Bug？

關於AI編寫的代碼是否比人類手寫代碼更容易引入Bug，工程師們一直各執一詞，但很少有人能提供數據支持。Repowise團隊採用缺陷預測領域的標準方法——通過分析實際項目的Git歷史，將每次Bug修復歸因於引入該Bug的提交。他們分析了28個公共倉庫中112,382次提交，涵蓋了AI編碼代理首次合併真實Pull Request的一年時間。

研究首先構建了一個每個提交的溯源檢測器，通過讀取八種不同信號（如機器人賬户身份、服務郵箱、提交消息頁腳、合作者尾註等）來區分代碼來源，並經過盲測驗證，精確率達到96.2%。根據來源，代理提交被分為三個層級：T1（自動機器人代理，如Devin、Copilot編碼代理）、T2（人類驅動的代理，如Claude Code、Codex，這是絕大多數）和T3（AI輔助，僅添加合作者標記）。

核心發現是：AI代理提交的代碼並不比人類代碼更容易引入Bug。在控制變更規模後，人類驅動的AI代理（T2）引入Bug的幾率僅為人類的0.57倍（95%置信區間0.42-0.76），自動機器人代理（T1）為0.75倍（0.43-0.95），AI輔助（T3）為0.96倍（0.69-1.08），與人類無異。即使採用更嚴格的B-SZZ變體來消除偏向，T2的效果仍為0.79（0.68-1.01），置信區間上限剛觸及1.0，因此沒有證據表明代理提交引入了更多Bug。

此外，AI編寫的代碼行存活時間更長。在相同倉庫中，人類驅動的AI代理編寫的代碼行存活率比人類代碼高17.9個百分點。研究提出了三種可能原因：一是代理的Pull Request可能經過更嚴格的審查；二是代理提交偏向修復而非新功能，修復型提交風險較低；三是人類基線並非最優，包含了許多匆忙的提交。

然而，研究有重要限制：結果僅針對已審查併合並的提交；未檢測到的代理代碼（開發者手動複製）被計為人類，可能低估了影響；代理活躍的倉庫較新（約12個月）；數據集並非隨機樣本。總體而言，數據表明，在人類審查的前提下，有能力的開發者配合AI代理產生的代碼質量至少不低於人類單獨工作。