随着人工智能技术的飞速发展，越来越多的开发者开始依赖AI助手来辅助编码工作。然而，围绕AI生成代码的质量一直存在争议：有人认为AI能够无所不能地编写软件，也有人认为AI生成的代码不够可靠、难以维护。为深入探讨各类AI编码助手的实际表现，我们对六款不同代理进行了代码质量的对比测试，它们分别是Loveable、Bolt、V0、Replit、Claude Code以及Cursor。通过让这六款AI助手独立完成同一项目——一个简单的个人理财管理网页应用，我们尝试用实际数据说话，分析它们在代码结构、复杂度以及可扩展性上的差异。这个理财应用要求具有追踪单笔交易、预算管理以及交互式图表和筛选功能，既保证实用性，又控制整体复杂度，便于AI助手们在一次性提示下完成任务。六个AI代理均基本完成了任务，特别是浏览器端的四款代理表现优异，顺利实现了预期功能，体现基于网页开发的AI工具在处理前端任务时的天然优势。
值得一提的是，Cursor和Claude Code采取了多步骤的方式完成项目——先制定明确规划，再逐步实现功能。尽管中途遇到了添加新交易这一关键功能的小漏洞，但只需简单提示就迅速修正，展现出一定的用户引导能力。评测过程中，六位AI助手在项目结构和技术选型上各显身手，充分反映了不同AI所采用的编码理念和风格。Loveable和Bolt选择了基于React与Typescript的架构，Loveable倾向功能模块化较细，而Bolt则追求简洁高效。V0更进一步，尝试运用Next.js的路由设计，为项目增加了较高复杂度和灵活性。相比之下，Replit展现出前后端分离思路，利用Python作为后端处理，JavaScript负责前端页面。
至于Cursor和Claude Code，则更偏向轻量化策略，分别采用了纯JavaScript单文件和极简的网页文件结构，以快速、高效为目标。各自的代码结构从多文件拆分到单文件集中管理无不体现出不同的权衡和设计思路。为了量化代码质量，研究借助了多项客观指标，包括圈复杂度（Cyclomatic Complexity）和认知复杂度（Cognitive Complexity），前者衡量代码流程的多样性，后者反映代码理解难度。此外，通过Halstead体积指标评估代码规模和复杂度，采用可维护性指数作为定位潜在缺陷风险的参考。还特别关注函数长度及代码气味现象，如冗长函数、重复代码和复杂条件语句等，以评估整体代码健康度。分析结果显示，尽管基于浏览器的四个代理普遍采用了模块化设计，拆分文件较多，但这并未彻底降低函数层面的复杂度。
Loveable和Replit在内的部分解决方案存在多达八个高复杂度函数，部分函数认知复杂度甚至超过20，远高于Bolt和Claude Code所表现出的最大9到12范围。Cursor也存在类似问题，尽管代码总量较小，但高复杂度函数达到了9个。Maintainability Index显示各方案整体上具备较好的可维护性，Loveable和V0相对较低，表明需要更多后期维护投入。Halstead指标则揭示了更明显的差异，浏览器端代理总体体积偏低，反映出代码简洁性较好，但Replit和Loveable在某些函数体积上远高于其他AI生成代码，暴露出复杂函数和潜在的二次开发难点。Bolt和V0在函数长度控制方面表现优异，仅有两函数长度超过50行，且整体代码结构紧凑。Loveable和Replit函数过长现象较为普遍，分别有11和18个函数超过50行，增加理解与维护门槛。
在综合评比中，Bolt和Claude Code凭借稳定的代码复杂度、较高的可维护性和结构合理度占据优势。虽然Bolt生成的代码在绝对指标上表现稍胜一筹，但Claude Code更为简洁的项目架构为扩展提供了便利，使其在简单任务处理上略胜一筹。重要的是，整体来看六款AI助手均未生成不可用或低质量的代码，哪怕是Loveable和Replit这样风格较为复杂的方案，也都为后续维护和功能扩展提供了较好基础，颠覆了部分人对AI代码质量“惨不忍睹”的偏见。当然，本次对决仅限于较为简单的应用场景，实际开发中需求更为复杂多变，对代码质量的挑战也更大。未来的研究将围绕多样化任务的逐步加码展开，探索AI助手在扩展既有代码库及应对代码质量下降时的表现能力。同时，考察代码质量对AI解决问题能力的影响，也将成为验证AI工具实用价值的关键环节。
随着AI编程助手不断进化，我们期待它们在保持代码高质量的同时，增强开发效率，推动软件工程步入新的智能化时代。
