AI 自主度提升降低開發負荷：GitHub Copilot 與 AWS Kiro 實驗報告

研究背景與方法

本研究由四位開發者組成的團隊，重新實作同一全端 Web 應用，分為三個連續階段，以比較不同 AI 自主程度的影響。

第一階段為部分 AI 輔助開發，使用 GitHub Copilot 提供即時建議；第二階段則全面使用 GitHub Copilot 完成開發流程；第三階段改用 AWS Kiro，完全由 AI 主導。

評估指標

評估項目包括開發工時、需求符合度（RITM 分數）、AI 互動效率以及 NASA‑TLX 心理負荷量表。

主要發現

隨著 AI 自主程度提升，開發工時明顯下降，需求符合度提升，開發者自報的心理負荷亦降低。然而，開發者的挫折感略有上升。

AWS Kiro 階段在大多數指標上表現最佳，顯示工具架構本身可能對成果有獨立影響。

延伸閱讀

• AI 科學家：全自動科研系統首次通過機器學習會議審稿
• Every Eval Ever：以 JSON Schema 統一 AI 評估結果的社群資料庫
• 以 EvalStop 抑制 RLHF 獎勵過度最佳化的早期停止機制

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。