一句话定义：Code-to-Software Gap（代码生成与软件交付鸿沟）指的是——AI 编码工具让"代码产量"大幅上涨，但"能被用户用上的软件"在速度、质量和成本上并没有同比例改善，两者之间裂开的那道缝。
打个比方：把写代码想成装修时砌墙。AI 让砌墙快了十倍，可房子能不能住，取决于水电验收、消防审批、家具进场、业主验收。墙砌得再快，砖堆得再多，房子也不会自动交付。软件交付的瓶颈从来不在"打字"这一步。
为什么会有这道缝
- 瓶颈转移。需求澄清、方案设计、代码评审、集成、测试、发布、线上排障——这些环节的节奏由人和组织决定。代码变多，评审队列反而更长。
- 上下文缺失。编码代理（coding agent）拿到的往往是一个局部任务，不知道历史包袱、隐性约束和运维约定，产出的代码"能跑"但"不合身"。
- 返工与信任成本。生成的东西要有人读、有人验、有人负责。不读就合并，风险只是被推迟到线上。
- 变更规模放大。更多代码意味着更多测试、更多依赖、更大的攻击面、更重的长期维护负担。
和相邻概念的区别：它不等于技术债（Technical Debt）——技术债是存量问题，这道鸿沟说的是"投入产出比"的落差；也不等于"最后一公里"，因为卡点散布在全流程，不只是部署那一下；它和经典的 IT 生产力悖论（Productivity Paradox）是亲戚，只是发生在 AI 编码这个具体场景里。
怎么衡量：别数代码行
| 容易看到的指标 | 它回答的问题 | 更该看的交付指标 |
|---|---|---|
| 生成/补全的代码行数 | 工具用得多不多 | 从开工到上线的周期时间（Cycle Time） |
| 提交次数、PR 数量 | 动作多不多 | 部署频率（Deployment Frequency） |
| 单测通过率 | 局部对不对 | 变更失败率（Change Failure Rate） |
| 代理完成的任务数 | 自动化程度 | 平均恢复时间（MTTR） |
后一列就是业界常说的 DORA（DevOps Research and Assessment）指标家族的核心思路：看交付流水线（delivery pipeline）的吞吐与稳定性，而不是看谁写得多。具体口径各家有差异，以官方文档为准。
对从业者意味着什么：评估一个编码智能体，别问"它一天能写多少行"，要问"它让一个需求从提出到安全上线缩短了多少、让线上事故变多还是变少"。给个人也一样：AI 让写代码变便宜，稀缺的就变成了判断力、品味，以及把模糊需求变清楚的能力。对普通人来说，这道缝解释了那个疑惑——"AI 都会写代码了，为什么我的 App 还是老样子"。