(本文作者为 DataEye,钛媒体经授权发布)
文 | Dataeye
当下,海内外的开发者社区开始越来越频繁地讨论AI泔水(AI Slop)对软件开发带来的影响。
所谓“AI泔水”,通常被用来形容那些由AI大量生成、看似完整,但实际质量低下、缺乏理解与维护价值的内容。过去,这个词更多出现在社交媒体、搜索引擎污染等语境中;但如今,它正在越来越多地进入程序员、开源维护者与软件团队的日常讨论。
最近,一篇来自海德堡大学、墨尔本大学、新加坡管理大学研究者联合发布的论文《An Endless Stream of AI Slop: The Growing Burden of AI-Assisted Software Development》,则试图系统性地分析这一现象。
该论文基于Hacker News与Reddit论坛上15个讨论、共1154条开发者帖子,研究了程序员们如何看待AI辅助开发,以及AI生成内容正如何参与软件开发流程。最终试图回答一个问题:当AI开始大量参与软件开发后,真正增加的,究竟是效率,还是新的负担?
AI提高了开发效率,但审核成本正在反向上升
这篇论文中,“审核摩擦”是研究者总结出的第一个核心方向。
简单来说,很多开发者开始发现:AI确实能快速生成代码,但团队随后需要投入更多时间,去阅读、理解、验证、修复这些代码。
一位开发者就直接表示:“开发时间缩短了,但团队现在需要花更多时间审核,这看起来根本没有带来收益。”
而类似的抱怨,在开发者社区中正在变得越来越常见。论文提到,在1154条帖子中,“审核负担”是出现频率最高的问题之一。部分团队甚至提到,AI辅助编码后,拉取请求(Pull Request)数量开始明显增加。
例如,有团队提到自己“6名员工每天需要处理30个PR”;还有开发者形容,自己审核AI代码时,“像是第一次有人类真正读到这些代码”。
AI生成的不只是代码,还有新的“技术债”
除了审核成本上升之外,论文中另一个被频繁讨论的问题,是AI正在加速“低质量代码”进入项目本身。
研究者将这一部分归纳为“质量退化”。在大量开发者讨论中,一个反复出现的观点是:AI的最大问题,并不只是“会写错代码”,而是它经常会生成“看起来合理,但实际存在隐患”的代码。
论文中提到,不少开发者总结出了AI代码的一些典型特征,例如:
甚至还有案例提到,AI会“虚构不存在的外部服务”,然后再自己模拟这些根本不存在的服务接口,最终生成一整套“逻辑自洽、但完全虚假的集成方案”。
论文中,一位开发者这样总结:
而这种问题,对于游戏行业来说,其实并不陌生。
尤其是在手游研发中,很多项目本身就长期面临版本迭代频繁、上线周期压缩、人力有限等问题。AI工具的加入,某种程度上进一步放大了“先跑起来再说”的倾向。
过去几年里,包括Unity、Epic Games等厂商,都在持续推动AI辅助开发工具进入游戏工业化流程。从代码生成,到NPC行为编写,再到自动化测试,AI正在越来越深地进入开发链路。
但与此同时,海外开发者社区中,也开始越来越多地出现对“AI生成代码不可维护”的讨论。特别是在多人协作、长期运营型项目中,团队真正担心的,往往不是“代码能不能跑”,而是几年之后,还有没有人能读懂这些代码。
被污染的不只是代码,还有整个“知识生态”
相比代码质量本身,论文中另一个更值得关注的观点是:“AI泔水”正在开始影响整个开发者知识生态。

研究者将其归纳为“知识生态退化”。简单来说,就是开发者开始越来越难从互联网获得“可靠的信息”。

过去几年里,程序员长期依赖的很多知识来源——包括技术文档、教程、论坛问答、博客文章,甚至Stack Overflow网站——都开始出现越来越多AI生成内容。
而问题在于,这些内容往往“看起来很专业”,但实际上却可能存在:
论文中,一位开发者就提到:
这种变化,也正在对游戏开发产生非常现实的影响。因为无论是各种Shader、插件、中间件、运营工具等等,大量游戏开发经验本来就建立在开发者论坛、教程视频、GitHub项目与社区分享之上。
论文中一个很有意思的细节是,部分开发者甚至将这一现象,与过去几年科技行业大规模裁撤“开发者关系”团队联系到了一起。
被引用的一位开发者提到:
“过去负责维护文档、示例代码和教程的人,很多在2022年后的裁员潮里已经被裁掉了。”
换句话说,一边是越来越少的人维护真实内容;另一边,则是越来越多AI自动生成内容开始填满互联网。某种程度上,这也正在让开发者知识生态进入一种新的“信息通胀”。
真正的关键不是AI本身,而是行业的机制
在论文最后,研究者提出了一个非常核心的观点:“AI泔水”之所以会越来越多,并不只是因为AI“能生成内容”,而是因为当前的软件行业,本身就在奖励“更快地产出更多东西”。
论文将这一部分归纳为“结构性驱动因素”。
更多精彩内容,关注钛媒体微信号(ID:taimeiti),或者下载钛媒体App
冠军资讯
DataEye










