阿里233天实验曝光：AI智能体长期维护代码“越修越乱”，仅Claude幸存

阿里巴巴进行了一项极具挑战性的AI软件工程实验，测试AI智能体在长达233天（约8个月）的时间里维护100个代码库的能力。实验结果令人咋舌：绝大多数AI模型在长期迭代中表现糟糕，75%的模型导致代码质量持续退化，最终将原本能运行的系统搞崩。唯独Claude Opus展现出强大的稳定性，保持了一半以上的零退化率。这项研究揭示了当前AI编程技术的致命短板：缺乏长期记忆和对项目全局上下文的理解能力，导致AI在长期维护场景下不仅难以如臂使指，反而可能成为技术负债。