AI-Generated Smells: An Analysis of Code and Architecture in LLM and Agent-Driven Development

📄 arXiv: 2605.02741v1 📥 PDF

作者: Yuecai Zhu, Nikolaos Tsantalis, Peter C. Rigby

分类: cs.SE, cs.AI

发布日期: 2026-05-04

💡 一句话要点

揭示AI生成软件的技术债务：推理复杂度与代码质量的权衡分析

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: AI生成代码 技术债务 代码质量 架构复杂性 可维护性 LLM Agent驱动开发

📋 核心要点

  1. 现有AI驱动的软件工程侧重于功能正确性，忽略了长期可维护性，导致潜在的技术债务。
  2. 论文提出通过多尺度分析，揭示AI生成代码中推理复杂度与代码质量之间的权衡关系。
  3. 实验表明，随着模型能力提升，代码体积增大，结构退化加剧，功能正确性无法缓解此问题。

📝 摘要（中文）

本文系统性地审计了AI生成软件中的技术债务，揭示了AI并非消除缺陷，而是引入了独特的机器缺陷特征。通过对单文件算法任务和复杂Agent生成系统的多尺度分析，发现了一个根本性的推理-复杂度权衡：随着模型能力增强，生成的代码变得更加臃肿和耦合。这种架构衰退非常明显，以至于我们建立了一个体积-质量反比定律，即代码体积几乎完美地预测了结构退化。重要的是，功能正确性和详细的提示都无法缓解这种衰退。这些发现挑战了当前prompt驱动的生成范式，将基于AI的软件工程的核心问题从代码生成转变为架构复杂性管理。未来的进展取决于赋予Agent明确的架构远见，以确保它们构建的软件不仅功能完备，而且可维护。

🔬 方法详解

问题定义：论文旨在解决AI生成软件中日益严重的技术债务问题。现有方法主要关注功能正确性，忽略了代码的可维护性，导致生成的代码可能存在臃肿、耦合等问题，长期来看会增加维护成本和降低开发效率。这些问题在复杂的、由Agent驱动的系统中尤为突出。

核心思路：论文的核心思路是揭示AI模型在生成代码时，推理复杂度与代码质量之间存在一种权衡关系。随着模型能力的提升，为了实现更复杂的功能，生成的代码往往会变得更加臃肿和耦合，从而导致架构上的衰退。因此，仅仅关注功能正确性是不够的，还需要关注代码的结构和可维护性。

技术框架：论文采用多尺度分析方法，从单文件算法任务到复杂的Agent生成系统，对AI生成的代码进行全面的审计。具体来说，首先使用LLM和Agent生成代码，然后使用静态分析工具（如 SonarQube）来检测代码中的技术债务，例如代码异味、重复代码、高复杂度方法等。最后，分析代码体积、复杂度等指标与代码质量之间的关系。

关键创新：论文最重要的技术创新点在于提出了“体积-质量反比定律”，即代码体积几乎可以完美地预测结构退化。这意味着，在AI生成代码的过程中，代码体积的增加往往伴随着代码质量的下降。这一发现挑战了当前prompt驱动的生成范式，强调了架构复杂性管理的重要性。

关键设计：论文没有涉及具体的参数设置、损失函数或网络结构的设计。其重点在于对现有AI生成代码的分析和评估，以及对AI软件工程未来发展方向的思考。关键在于选择合适的静态分析工具和指标，来量化代码的技术债务和结构质量。例如，使用圈复杂度来衡量代码的复杂度，使用代码重复率来衡量代码的冗余程度。

🖼️ 关键图片

fig_0

📊 实验亮点

研究发现，随着模型能力增强，生成的代码体积显著增加，代码耦合度上升，导致架构衰退。实验结果表明，代码体积与结构退化之间存在强烈的正相关关系，即“体积-质量反比定律”。即使采用详细的prompt或保证功能正确性，也无法有效缓解这种架构衰退。

🎯 应用场景

该研究成果可应用于AI辅助软件开发工具的改进，帮助开发者更好地评估和管理AI生成代码的质量。通过引入架构复杂性管理机制，可以指导AI生成更易于维护和扩展的软件系统，降低长期维护成本，提高软件开发效率。此外，该研究也为AI教育和培训提供了新的视角，强调培养学生对代码质量和可维护性的重视。

📄 摘要（原文）

The promise of Large Language Models in automated software engineering is often measured by functional correctness, overlooking the critical issue of long term maintainability. This paper presents a systematic audit of technical debt in AI-generated software, revealing that AI does not eliminate flaws but rather introduces a distinct machine signature of defects. Our multi-scale analysis, spanning single-file algorithmic tasks and complex, agent generated systems, identifies a fundamental Reasoning-Complexity Trade-off: as models become more capable, they generate increasingly bloated and coupled code. This architectural decay is so pronounced that we establish a Volume-Quality Inverse Law, where code volume is a near perfect predictor of structural degradation. Crucially, we demonstrate that neither functional correctness nor detailed prompting mitigates this decay. These findings challenge the current paradigm of prompt-driven generation, reframing the central problem of AI-based software engineering from one of code generation to one of architectural complexity management. We conclude that future progress depends on equipping agents with explicit architectural foresight to ensure the software they build is not just functional, but also maintainable.