尽管AI在生成代码片段方面取得了显著进展，麻省理工学院（MIT）的一项新研究却揭示了实现真正自主软件工程所面临的重大障碍。
这项名为《面向软件工程的AI：挑战与路径》的研究，由MIT教授Armando Solar-Lezama领导，第一作者为Alex Gu。该研究于2025年7月16日发表，并将在2025年国际机器学习大会（ICML 2025，温哥华）上进行报告。
“大家都在谈论以后不再需要程序员，自动化工具层出不穷。”Solar-Lezama表示，“一方面，这个领域确实取得了巨大进步。我们拥有比以往任何时候都更强大的工具。但要真正实现我们期望的全面自动化，还有很长的路要走。”
研究人员指出，当前AI系统在生成小型代码函数方面表现出色，但在更广泛的软件工程任务上，如大规模重构、代码迁移以及复杂系统调试等方面仍然力不从心。像SWE-Bench这样的流行基准测试仅检验针对GitHub问题的几百行代码补丁，无法反映现实中需要优化或从遗留系统迁移数百万行代码的场景。
人机沟通也是一大难题。Gu形容当前的交互为“一条细线”，AI工具往往生成庞大且无结构的文件，测试流于表面，缺乏有效利用人类开发者依赖的调试工具和静态分析器的能力。
研究团队并未提出单一解决方案，而是呼吁业界共同努力：开发能够捕捉开发者随时间编写和重构代码过程的丰富数据集；创建可衡量重构质量和缺陷修复持久性的共享评测套件；以及构建能够揭示模型不确定性、并邀请人类指导的透明工具。
“软件已经成为金融、交通、医疗以及无数其他关键系统的基础。”Solar-Lezama指出。研究团队展望未来，AI将承担例行开发任务，让人类工程师专注于高层设计决策和需要人类判断的复杂权衡。