AI编程面试题12:代码翻倍为何亏钱？
场景
去年秋天，深圳南山，一个10人研发团队。技术栈是 Spring Boot + Vue，代码托管在 GitHub/GitLab，交付链路上跑着 GitHub Actions/Jenkins、SonarQube、JUnit、Docker/K8s，生产环境用 Prometheus/Grafana 盯着。
团队负责人老周拍板：全员上 Cursor。
三个月后，代码产量翻倍。周会上，老周却盯着大屏说了一句：「产量翻倍，为什么我反而觉得更累了？」
PR 审核积压，CI 成本上升，缺陷增加，生产故障频繁。代码是多了，但交付没有变快。
判断
我觉得，AI Coding 的真实价值不是代码产量，而是单位业务价值的交付成本下降，同时保持或改善软件可靠性。
这个判断有边界。它适用于已经进入规模化交付、有 CI/CD 和监控体系的团队；如果只是个人写脚本、做原型，产量本身就是收益，不必套这套账。
芒格讲机会成本，也讲系统思维。代码翻倍不是收益，它只是投入。真正的收益，是需求交付周期缩短、变更失败率下降、故障恢复时间变短。
结构
价值定义 → 全成本采集 → 质量归因 → 对照实验 → ROI决策 → Harness优化
这条链路不是一次性的。ROI 决策会反过来调整 AI 自治级别和工程资源投入，Harness 优化又会改变下一轮的价值定义。
做法
从 Git、CI/CD、缺陷平台和运行监控采集需求交付周期、PR 合并时间、变更失败率、故障恢复时间、返工率和缺陷逃逸率。
统计 Cursor 订阅与模型费用、人工 Review、CI 资源、测试维护和生产事故等综合成本。
通过 Cursor CLI 受控接入 CI，辅助分析失败日志或生成修复建议。
通过 Bugbot 检查缺陷，通过 Rollouts 监测变更发布后的回归。
不允许 AI 自行绕过审批完成生产回滚。
使用 DORA 指标和同类任务对照实验，比较不同 Cursor Agent、Skills 与 Harness 组合的有效交付效率。
计算 ROI =（可归因收益与节省成本－AI 投入的综合成本）÷ AI 投入的综合成本。
按任务类型调整 AI 自治级别和工程资源投入。
钩子
老周最后问了一句：如果代码产量翻倍，但需求交付周期没变，那多出来的代码，到底是谁在替谁买单？
延伸
https://dora.dev/research/2025/dora-report/
https://cursor.com/docs/cli/github-actions
浙公网安备 33010602011771号