AI Coding Agent 真正让人崩溃的，从来不是写错代码，而是它根本不听话 这篇论文适合所有重度使用 Claude Code、Codex 或其他 AI Agent 的人。 它研究的不是 benchmark 上的失败，而是真实开发中最扎心的问题： AI coding agent 到底是怎么不断消耗开发者时间和信任的？ 研究分析了 20,574 个真实 coding agent sessions，把“失败”定义为：开发者开始打断、纠正或反驳 Agent 的那一刻。 结果非常现实： 最常见的失败原因，不是代码写错，而是 Agent 反复违反开发者明确说过的约束。 比如你明确说过： 1.“别改这个文件” 2.“先别动代码” 3.“只做最小修改” 它却还是忍不住多做一点。 你让它先解释清楚问题，它却顺手开始改代码； 你让它验证完再汇报结果，它没跑完就直接宣布“搞定了”。 论文还发现了一个有趣差异： CLI Agent 更容易违反约束，因为它常被委托执行更长、更开放的任务； IDE Agent 则更容易出现局部实现错误，因为它像贴身 copilot，交互过于频繁。 最累人的是，这些失败往往不会立刻造成灾难，而是持续消耗你的判断力。 你得一直问自己：它有没有听懂？有没有越界？有没有真的验证过？ 这和我自己的感受完全一致。 AI coding 真正让人感到疲惫的，从来不是“写得慢”，而是得反复为它擦屁股。 所以我真正期待的 coding agent 进步，不是“写得更快”，而是能不能持续对齐开发者意图、严格遵守边界、准确汇报进度。 AI coding 的核心难点，可能从来不是技术能力，而是别让我反复判断它到底有没有听话。 🔖 收藏这篇论文。 推荐所有在用 AI coding agent 的人看一看。