软件工程中的氛围转变：评估人工智能主导的对话式编程在性能、认知与负责任采用方面的表现

本研究评估氛围编程这一新兴的人工智能主导对话式编程范式，开发者可通过与大型语言模型自然语言交互生成软件。研究采用混合方法设计，在传统编程和人工智能辅助编程环境对照下，考察性能效率、认知影响与负责任采用。三十名参与者包括专业开发者和高年级计算机学生，在三种实验条件下完成等价编程任务。定量数据采用描述性统计和重复测量方差分析，定性数据通过主题分析。结果显示，氛围编程显著提升开发效率，任务完成时间比传统编程减少27%，比人工智能辅助编程减少12%。但维护性指标较低、安全漏洞较多，表明软件质量存在权衡。可用性获得良好评分（系统可用性量表得分71.4），认知负荷中等（认知负荷量表得分55.5），反映句法负担降低但语言推理增加。主题分析识别信任校准、控制感丧失、认知适应和提示工程策略等关键构念。值得注意的是，感知控制感丧失与安全风险增加相关，原因是透明度降低以及对人工智能生成输出的验证减少。基于这些发现，研究提出负责任采用的三支柱框架：人类与人工智能能力混合集成、人类监督与透明问责、情境感知部署。总体而言，氛围编程提升生产力，但需要关键监督，强化其作为软件开发中变革性但过渡性范式的角色。