過去這一個多月我的編碼速度肉眼可見地快了一大截。不管是新接的業(yè)務(wù)接口、臨時要補的數(shù)據(jù)腳本還是重構(gòu)時繞不開的樣板代碼我都習(xí)慣先讓 AI 編程助手打底。以前一個功能從動手到跑通怎么也得一兩個小時現(xiàn)在經(jīng)常十幾分鐘就出活。按這個效率項目排期應(yīng)該輕松不少才對?？墒聦嵤窃綄懺娇煳曳炊_始不敢點那個“上線”按鈕了。原因很簡單。代碼跑通了單測也綠了但這段代碼到底是怎么想出來的、有沒有我沒想到的角落我心里沒有底。以前自己手寫的代碼哪怕有 bug至少在出問題的時候我能沿著思路快速定位AI 生成的代碼出問題的時候它對我來說就像一堵墻——看著平整推不動。這篇文章想聊聊我在這個狀態(tài)里的真實經(jīng)歷AI Coding 寫出來的代碼風(fēng)險到底集中在哪幾個地方我現(xiàn)在上線前會做哪些檢查以及踩了哪些坑之后總結(jié)出來的一套還能落地的流程。如果你最近也在大量用 AI 寫代碼而且剛好要上一個重要功能這篇應(yīng)該能幫你少交一點學(xué)費。1. AI編碼速度上來了但心里總有一個坎1.1 從“寫得快”到“不敢上”的真實轉(zhuǎn)變最開始接觸 AI 寫代碼的時候我其實只敢讓它干雜活生成一段配置、寫一個 CRUD 的模板、補幾行測試用例。那時候的心態(tài)是這些東西本來就沒啥創(chuàng)新性讓 AI 代勞省時間出了問題自己也一眼能看懂。后來膽子大了開始讓它寫真正的核心邏輯——查數(shù)據(jù)庫、調(diào)第三方接口、做狀態(tài)流轉(zhuǎn)。效率提升確實驚人一個帶分頁、帶篩選、帶排序的后端查詢接口它幾秒就能給你抬出來而且風(fēng)格統(tǒng)一、命名規(guī)范比我手寫還整潔。那段時間我一度以為以后寫業(yè)務(wù)就是“提需求”的活了。但問題也出現(xiàn)在這個階段。有一次我讓 AI 實現(xiàn)一個訂單超時關(guān)閉的定時任務(wù)它非常流暢地寫完了查超時訂單、更新狀態(tài)、記日志邏輯完整測試也過了。我上線之后第二天運營反饋說很多訂單在支付頁明明還有效后臺卻把它關(guān)了。我查了半天才發(fā)現(xiàn)AI 在比較時間的時候用的是服務(wù)器本地時區(qū)而訂單表里存的是 UTC 時間。也就是說它代碼寫得越“順暢”我越容易因為信任而跳過逐字推敲而它錯的地方往往不是語法是語義。從那以后我就意識到AI 寫代碼這個事真正讓人不適的不是“它會不會寫”而是“我和這段代碼之間沒有建立信任”。信任沒有建立起來上線就變成了一次賭博。1.2 為什么AI生成的代碼容易讓人心里沒底要解釋這種“心里沒底”得先說清楚 AI 寫代碼和人類寫代碼在本質(zhì)上的區(qū)別。我們自己寫代碼的時候每一步都是帶著意圖的這里為什么用 map 而不是 for 循環(huán)那里為什么先查緩存而不是直接查庫這個異常為什么吞掉那個值為什么兜底。哪怕你不寫注釋你腦子里有一個完整的“意圖地圖”。出了問題你只要順著地圖走一遍很快能找到哪個岔路走錯了。AI 生成代碼則完全不同。它本質(zhì)上是根據(jù)海量代碼學(xué)出來的統(tǒng)計規(guī)律在預(yù)測“下一個 token 最可能是什么”。它沒有真正理解你的業(yè)務(wù)也沒有運行過你的系統(tǒng)。它寫出來的代碼可能和你項目的風(fēng)格高度一致看起來很像一個資深工程師的手筆但這里的每一行都沒有經(jīng)過你的腦內(nèi)驗證。你接手的時候腦子里沒有地圖只有一個看起來很完整的外殼。我用一個類比來理解這件事AI 像一個表達(dá)流利、態(tài)度極好、但偶爾會一本正經(jīng)胡說八道的實習(xí)生。你說“幫我把這個需求做了”他點點頭說“沒問題”然后交給你一份格式工整、用詞專業(yè)的文檔。你讀起來覺得邏輯通順但里面某些關(guān)鍵結(jié)論其實是錯的。如果你因為“他這么專業(yè)應(yīng)該靠譜”而直接簽了字后面出問題的時候你甚至都不知道該從哪里開始質(zhì)疑。這就是“不敢上線”的根源不是 AI 寫的代碼一定有問題而是我失去了對代碼的“掌控感”。掌控感這種東西平時不覺得有什么真到出事的時候它就是你能不能在十分鐘內(nèi)定位問題、三十分鐘內(nèi)完成回滾的關(guān)鍵。2. AI生成代碼的主要風(fēng)險點拆解2.1 幻覺代碼看似合理但語義錯誤AI 生成代碼最大的坑不是語法錯誤而是“幻覺”。這里的幻覺不是指它胡言亂語而是它會生成一段看起來非常合理、實際卻在語義層面有問題的代碼。語法檢查發(fā)現(xiàn)不了普通測試也測不出來因為它不是“跑不起來”而是“跑起來的結(jié)果不符合真實業(yè)務(wù)預(yù)期”。舉個我實際遇到的例子。我需要解析一批來自第三方系統(tǒng)的日期字符串格式是“yyyy-MM-dd HH:mm:ss”但是這些字符串里的時間是帶時區(qū)偏移的。我讓 AI 寫一個解析工具函數(shù)它很快給出了一段干凈的代碼直接用標(biāo)準(zhǔn)庫解析成本地時間。本地測試的時候因為我所在的時區(qū)和第三方系統(tǒng)一致結(jié)果完全正確。等部署到生產(chǎn)環(huán)境服務(wù)器時區(qū)不一樣所有時間都偏差了好幾個小時定時任務(wù)、對賬邏輯全部受到影響。這類問題的共同點是代碼的“形”對但“神”不對。AI 不知道你的時間存儲規(guī)范、不知道你服務(wù)的部署環(huán)境、不知道你的上游系統(tǒng)約定它只能根據(jù)最常見的情況來生成。而“最常見的情況”往往不等于“你系統(tǒng)里真實的情況”。還有一個高頻出現(xiàn)的問題就是 AI 生成數(shù)據(jù)庫查詢時容易漏條件。比如一個需要統(tǒng)計“當(dāng)前有效訂單數(shù)”的接口它會把主查詢里的狀態(tài)過濾寫好但統(tǒng)計總數(shù)的那個查詢忘了加同樣的過濾條件。結(jié)果就是列表頁顯示的條數(shù)和總數(shù)對不上。這種 bug 不會崩不會報錯只會在某個深夜被某個較真的用戶發(fā)現(xiàn)。應(yīng)對幻覺我現(xiàn)在的原則是凡是我不能從業(yè)務(wù)上解釋清楚的代碼一律不讓它上線。你可以寫得慢一點但絕不能把一段自己講不出道理的邏輯放到生產(chǎn)環(huán)境里。2.2 依賴與安全隱患第三方庫的坑AI 寫代碼還特別喜歡“引依賴”。你讓它實現(xiàn)一個“把 XML 轉(zhuǎn)成 JSON”的功能它可能不會手寫解析邏輯而是直接推薦一個第三方庫。這本身沒錯而且很多時候是好的做法。但它不會告訴你這個庫的維護(hù)狀態(tài)、安全漏洞、許可證類型、和你項目里已有版本的兼容性。有段時間我的項目里出現(xiàn)了一個很隱蔽的構(gòu)建問題某天 CI 突然全紅報錯信息指向一個底層依賴的行為變化。查了一圈才發(fā)現(xiàn)AI 在某個功能里引入了某個工具庫而配置構(gòu)建文件的時候沒有鎖版本。兩周之后這個庫發(fā)了新版行為變了我的項目在毫不知情的情況下被“升級”了。不是 AI 直接搞壞了我的項目但它給了這個風(fēng)險一個入口。更值得警惕的是安全屬性。AI 生成的接口代碼里偶爾會出現(xiàn)沒有鑒權(quán)校驗的隱患。你讓它生成一個查詢用戶信息的 handler它會把參數(shù)解析、數(shù)據(jù)庫查詢、結(jié)果返回都寫得整整齊齊唯獨忘了這個接口應(yīng)該先驗證調(diào)用方身份。這種情況在代碼審查的時候特別容易漏掉因為人的注意力會被那些“看起來正?！钡臉I(yè)務(wù)邏輯吸引很少有人會刻意去檢查一個 AI 生成得極其流暢的接口是不是少了安全前置步驟。所以我現(xiàn)在對 AI 推薦的每一個第三方依賴都會按三件事去核對它是不是有必要引入、有沒有鎖版本、項目里有沒有人真正了解它。滿足不了這三條的寧可自己手寫也不讓 AI 幫我“方便”。2.3 測試負(fù)債綠到發(fā)慌的假自信“讓 AI 把測試也寫了”是很多人用 AI 寫代碼的常規(guī)操作但這也是最容易被騙的地方。AI 生成的測試很多時候是在“自證清白”。什么叫自證清白就是它生成的功能代碼里有一個日期解析邏輯它就寫一個測試傳一個正常格式的日期字符串?dāng)嘌越馕龀晒?。這個測試當(dāng)然會過因為它和實現(xiàn)用的是同一套邏輯甚至是從同一個“統(tǒng)計規(guī)律”里生成的。它驗證的是“代碼按它自己的方式工作”而不是“代碼符合你的業(yè)務(wù)預(yù)期”。我曾經(jīng)讓 AI 給一個優(yōu)惠券核銷功能補測試。它生成了一組漂亮的單元測試覆蓋了幾個主要分支斷言也寫得有模有樣。我把一個關(guān)鍵條件——比如“優(yōu)惠券已過期”——做了反向驗證手動把過期時間改成未來再看核銷邏輯結(jié)果發(fā)現(xiàn)實現(xiàn)代碼里的邊界判斷寫反了。而 AI 生成的測試恰好沒覆蓋這個分支所以測試全綠功能確實是壞的。這就是“測試負(fù)債”你以為測試給了你保障實際上它們只是讓代碼看起來更可信。覆蓋率數(shù)字再好看如果你沒有真正思考過哪些分支會出錯、哪些輸入是異常的那些測試就只是數(shù)字游戲。解決這個問題我個人最有效的做法是“破壞性驗證”拿到 AI 生成的代碼和測試之后故意去改一些關(guān)鍵條件——把大于號改成小于號、把“已支付”改成“未支付”——然后看測試到底會不會亮紅。如果測試沒有反應(yīng)說明它根本沒有在守護(hù)這個關(guān)鍵邏輯。這個方法不復(fù)雜但對 AI 生成的測試特別有效能快速篩掉一批“看起來有用”的廢物測試。3. 我現(xiàn)在的上線前檢查實操流程3.1 先把AI的代碼當(dāng)成“實習(xí)生寫的”來審既然心里沒底那就把流程補上。我現(xiàn)在的第一個原則非常簡單粗暴所有 AI 生成的代碼一律按“實習(xí)生提交的代碼”標(biāo)準(zhǔn)來審查。實習(xí)生寫的代碼你會直接合并上線嗎不會。你會打開 diff逐行看它有沒有理解需求有沒有考慮異常情況。對 AI 生成的東西我現(xiàn)在就是這個待遇。具體來說我的審查順序是固定的。先看整體 diff確認(rèn)這段代碼到底改了什么、為什么改、和需求是否對應(yīng)。這時候我會特別警惕那些“順手改掉”的地方——AI 經(jīng)常會在實現(xiàn)一個功能的時候順手幫你重構(gòu)了另一段無關(guān)代碼這在地球上叫做“范圍蔓延”在 AI 這里是“默認(rèn)行為”。然后我會挑最關(guān)鍵的一兩條路徑做“腦內(nèi)執(zhí)行”。比如一個支付回調(diào)處理函數(shù)我會在心里把它跑一遍收到回調(diào)、驗簽、查單、更新狀態(tài)、返回響應(yīng)。每一步都問自己“它在這一步做了什么、如果這一步失敗了會怎樣”。只要我在某個環(huán)節(jié)說不清楚它的行為我就會在這里打住把 AI 叫回來重新解釋直到我能復(fù)述為止。如果 AI 生成的代碼里包含我完全看不懂的部分我不會選擇“先上線再說”。以前我可能會覺得“反正測試過了”現(xiàn)在我的態(tài)度是看不懂就是最大的風(fēng)險。一個合格的程序員不應(yīng)該把一段自己無法解釋的代碼放進(jìn)生產(chǎn)環(huán)境里。還有一個小技巧我管它叫“復(fù)述法”讓 AI 自己把這段代碼“講”一遍說清楚每個函數(shù)為什么存在、每個邊界條件為什么這么處理。如果它講得含糊其辭那大概率這段代碼也經(jīng)不起深究。這個方法聽起來有點玄學(xué)但實操下來非常好用因為它能逼著你去和代碼建立那種丟失的“掌控感”。3.2 強制驗證清單上線前必過除了代碼審查我還會跑一套固定的驗證清單。這套清單不是給 AI 的是給我自己的防止我因為“代碼看起來沒問題”而跳過關(guān)鍵的驗證環(huán)節(jié)。第一靜態(tài)檢查和規(guī)范檢查必須全綠。這個看似基礎(chǔ)但在 AI 生成的代碼里經(jīng)常能發(fā)現(xiàn)未使用的變量、不一致的命名、明顯的壞味道。靜態(tài)檢查能把這些低級的信任消耗提前排除掉。第二新引入的依賴要單獨過一遍。前面講過AI 特別喜歡引依賴。我會確認(rèn)它引入的每個包都是必要的、版本被鎖住的、項目里有人能說清楚它是干什么的。第三方依賴進(jìn)入生產(chǎn)環(huán)境等于把一個不明身份的人請進(jìn)了家門這個審核不能省。第三單元測試之外必須有針對“異常分支”的驗證。正常流程跑通了不算數(shù)我會構(gòu)造幾個明顯異常的輸入超長的字符串、空的集合、超時返回的第三方接口、重復(fù)提交的請求。AI 生成的代碼在“順利路徑”上通常表現(xiàn)很好但異常路徑經(jīng)常是它的盲區(qū)。第四數(shù)據(jù)一致性檢查。時間字段的時區(qū)、金額字段的精度、狀態(tài)字段的流轉(zhuǎn)是否冪等這些是 AI 最容易犯錯的地方也恰恰是線上事故的高發(fā)區(qū)。我寧可在這上面多花十分鐘也不愿意半夜被監(jiān)控告警叫醒。第五安全自查。生成這個功能的時候有沒有校驗權(quán)限有沒有對輸入做邊界限制有沒有把敏感信息打到日志里我會把這三個問題當(dāng)成固定動作每次上線前都過一遍而不是等安全評審的時候再想。這套清單看起來繁瑣但真正執(zhí)行起來大部分功能十五分鐘就能過完。它最大的作用不是“發(fā)現(xiàn)所有 bug”而是逼著我在上線前把心態(tài)從“應(yīng)該沒問題”切換到“有沒有我不知道的問題”。3.3 小步發(fā)布與灰度策略讓風(fēng)險可控最后一道防線是發(fā)布策略?，F(xiàn)在我再也不敢把 AI 生成的代碼“一把梭”地全量上線了。不管代碼審查多仔細(xì)、測試多充分只要這段代碼的核心邏輯里有 AI 的貢獻(xiàn)我就會假設(shè)它可能藏著沒發(fā)現(xiàn)的問題然后用發(fā)布方式把爆炸半徑控制到最小。我的標(biāo)準(zhǔn)做法是三步走。第一步功能開關(guān)先行。把新功能放在一個配置開關(guān)后面代碼先上線但默認(rèn)不啟用。這樣即使代碼本身有問題也不會立刻影響線上用戶。第二步灰度放量。先讓 5% 的流量走新邏輯盯一段時間日志和錯誤率沒問題再逐步放量到 20%、50%、100%。這個過程可能多花一兩天但它能把“一個隱藏 bug 炸掉整個系統(tǒng)”變成“一個隱藏 bug 只影響一小部分用戶而且能被快速發(fā)現(xiàn)”。第三步確?；貪L通路。不光是“代碼能回滾”還要確認(rèn)“數(shù)據(jù)變更也能回滾”。AI 生成的數(shù)據(jù)庫遷移腳本尤其危險它很可能直接把舊字段刪了導(dǎo)致代碼回滾了數(shù)據(jù)卻回不來。有人覺得灰度是流程負(fù)擔(dān)但經(jīng)歷過一次全量發(fā)布事故之后你就會明白灰度不是額外成本它是給“不確定的代碼”買的保險。AI 寫代碼提高了我們的產(chǎn)出速度但并沒有降低出錯的概率。越是快越要控制住風(fēng)險敞口不然快的那部分效率遲早會因為一次事故賠回去。4. AI代碼上線的常見翻車場景與排查經(jīng)驗4.1 我踩過的幾個具體場景翻車場景見得多了我挑幾個有代表性的說一說每個都是我或者身邊朋友的真實經(jīng)歷細(xì)節(jié)已經(jīng)改過。第一個是“重試邏輯堵死隊列”。某個下游服務(wù)偶爾不穩(wěn)定我讓 AI 給調(diào)用方加一個“失敗自動重試”的機(jī)制。AI 很快就寫好了看起來也很合理失敗就等幾秒再重試最多重試三次。但它沒有做異步化重試是同步阻塞的。結(jié)果下游一抖動所有線程都卡在重試等待里調(diào)用超時鏈路雪崩。上線后半小時監(jiān)控面板上一片紅。這類問題在單測里根本不會暴露因為單測不會模擬“下游服務(wù)大面積變慢”的場景。第二個是“定時任務(wù)沒有冪等控制”。AI 生成一個每分鐘執(zhí)行一次的掃描任務(wù)邏輯很簡單找出滿足條件的記錄處理更新狀態(tài)。正常情況沒問題但部署的時候如果新老實例交接出現(xiàn)重疊任務(wù)可能被兩個實例同時執(zhí)行。AI 沒寫分布式鎖也沒寫冪等判斷結(jié)果同一條記錄被處理了兩次產(chǎn)生了重復(fù)數(shù)據(jù)。這個 bug 不影響主流程但會污染數(shù)據(jù)后面修起來特別費勁。第三個是“數(shù)據(jù)庫遷移腳本太激進(jìn)”。我讓 AI 幫忙寫一個“把舊表結(jié)構(gòu)調(diào)整成新結(jié)構(gòu)”的遷移腳本它直接生成了刪舊列、建新列的方案。這種方案在全新環(huán)境下沒問題但我們的生產(chǎn)環(huán)境里舊列里是有數(shù)據(jù)的。如果直接執(zhí)行數(shù)據(jù)就沒了。好在我在測試環(huán)境先跑了一遍發(fā)現(xiàn)不對勁最后改成了“新增列、遷移數(shù)據(jù)、逐步廢棄舊列”的平滑方案避免了一場災(zāi)難。這三個場景的共同點都是“代碼邏輯本身沒錯但對真實生產(chǎn)環(huán)境的假設(shè)錯了”。AI 看到的約束只有你在提示詞里寫的那幾句話。你沒有告訴它“這個服務(wù)是多實例部署的”它就默認(rèn)是單實例你沒有告訴它“下游服務(wù)有超時風(fēng)險”它就默認(rèn)調(diào)用一定會返回。所以用 AI 寫代碼本質(zhì)上是把一部分你沒有說出口的“系統(tǒng)常識”賭上了。上線前多問自己“它不知道但必須知道的東西是什么”能幫你規(guī)避掉很多這類事故。4.2 排查與止血先回滾還是先debug如果 AI 生成的代碼已經(jīng)上線出問題了我會建議你遵循一個順序先止血再排查。很多工程師的習(xí)慣是線上報錯了第一時間打開日志開始找原因。這個習(xí)慣在面對自己手寫代碼的時候還行但面對 AI 生成代碼的時候你要做好思想準(zhǔn)備你可能會花很長時間才能定位到問題因為你對這段代碼沒有“意圖地圖”排查的速度天然就慢。這期間用戶一直在受影響業(yè)務(wù)損失在持續(xù)擴(kuò)大。所以我現(xiàn)在的鐵律是上線后一小時內(nèi)出現(xiàn)任何不正常先執(zhí)行回滾預(yù)案或者直接關(guān)閉功能開關(guān)把影響面先控制住。止血不需要等“搞清楚為什么”止血只需要“回到上一個穩(wěn)定狀態(tài)”。線上恢復(fù)穩(wěn)定之后你再慢慢和 AI 一起復(fù)盤、一起定位根因這個階段多花點時間都沒關(guān)系。排查階段我也有一個相對高效的路徑。第一看錯誤日志和調(diào)用鏈確定是哪個環(huán)節(jié)出了問題。第二把這個環(huán)節(jié)的代碼 diff 出來和上一個穩(wěn)定版本做對比看 AI 到底改了什么。第三把報錯的堆棧和這段生成代碼一起丟給 AI讓它以“代碼審查員”的身份給你分析可能原因。這一步有時候能給出不錯的線索但記住它給你的結(jié)論仍然是“建議”必須人工驗證后才能采信。還有一個經(jīng)驗當(dāng)你不確定問題是不是 AI 代碼引起的時候先做“隔離驗證”。把 AI 生成的獨立函數(shù)單獨用一套真實數(shù)據(jù)跑一遍看它輸出是否合理。這比在整條調(diào)用鏈里大海撈針要快得多。4.3 常見問題速查表我把項目里遇到過的典型問題整理成一張速查表方便你在上線前或者排查時快速對照。這張表不是萬能的但覆蓋了 AI 生成代碼最容易出問題的那幾個大類。癥狀常見原因排查方向建議處理方案接口偶發(fā)超時、調(diào)用堆積同步重試、連接池配置不足、缺少熔斷錯誤日志、調(diào)用鏈耗時分布改為異步重試增加超時和熔斷機(jī)制數(shù)據(jù)重復(fù)、訂單狀態(tài)錯亂缺少冪等控制、唯一約束缺失、定時任務(wù)并發(fā)執(zhí)行查任務(wù)執(zhí)行日志、重復(fù)記錄的特征值增加冪等鍵、唯一索引、分布式鎖時間顯示偏差數(shù)小時時區(qū)處理不當(dāng)、存儲格式不統(tǒng)一檢查日期解析代碼和存儲層字段類型統(tǒng)一使用標(biāo)準(zhǔn)時間格式解析時明確指定時區(qū)列表總數(shù)和明細(xì)不一致AI 生成統(tǒng)計查詢時漏掉過濾條件對比兩條 SQL 的 where 子句重構(gòu)為同一個查詢條件來源避免重復(fù)編寫新功能上線后部分用戶無法訪問缺少鑒權(quán)校驗、角色判斷寫反檢查接口入口的權(quán)限攔截邏輯補齊權(quán)限校驗并加針對未授權(quán)用戶的分支測試舊數(shù)據(jù)無法回滾遷移腳本直接刪除舊字段在測試環(huán)境執(zhí)行遷移、檢查回滾腳本采用“新增列、遷移、廢棄”三步平滑方案這張表里每一行背后都是一個真實的事故或者說是一次“差點出事”的教訓(xùn)。你可以直接把它作為 AI 代碼上線前的自查項來用。5. 最后再分享幾個讓我睡得更安穩(wěn)的習(xí)慣聊了這么多風(fēng)險和流程最后說幾個我自己一直在堅持的小習(xí)慣吧。它們不是某個標(biāo)準(zhǔn)流程里的規(guī)定但確實是這段時間踩坑踩出來的經(jīng)驗。第一個習(xí)慣是每天上線前把當(dāng)天所有 AI 生成的代碼里“最讓我不放心的一段”親手重寫一遍。不是為了否定 AI 的產(chǎn)出而是為了強制自己把這段代碼的邏輯徹底想清楚。重寫的過程就是在建立掌控感哪怕最后改成和 AI 差不多這個過程本身的價值就夠了。第二個習(xí)慣是不讓 AI 一次生成太大的改動。以前我喜歡讓它“幫我重寫整個模塊”現(xiàn)在我會刻意拆小一次只讓它寫一個函數(shù)、一個獨立步驟。改動越小每次審查的負(fù)擔(dān)越輕出問題的范圍也越小。這個道理和“小步提交”是一樣的只是應(yīng)用到了 AI 協(xié)作上。第三個習(xí)慣是不定期讓 AI“找茬”。我經(jīng)常把一段自己寫的代碼發(fā)給 AI讓它以代碼審查者的身份挑毛病。我發(fā)現(xiàn)這個反向使用的效果非常好因為 AI 的統(tǒng)計模型見過足夠多的代碼模式能指出一些我因為慣性忽略的壞味道。當(dāng)然它的意見我不會全盤接受但多一個視角總比閉門造車強。第四個習(xí)慣也是最重要的一個我接受了一個現(xiàn)實——AI 寫代碼的“快”本質(zhì)上是用“不確定”換來的。它幫你省掉了大量機(jī)械編碼的時間但也把一部分“隱性系統(tǒng)知識”的責(zé)任轉(zhuǎn)移給了你。你多問一句“這段代碼真的懂我的系統(tǒng)嗎”比盲目信任它來得踏實得多。“不敢上線”這件事我現(xiàn)在覺得它不是一個壞狀態(tài)。它說明你還保留著對生產(chǎn)環(huán)境的敬畏還知道代碼是要跑到真實用戶面前的。真正危險的是哪天你變得非常流暢地生成代碼、非常流暢地合并、非常流暢地發(fā)布卻完全不再有猶豫。到那時候翻車就不是偶然而是必然。我自己也在慢慢學(xué)習(xí)怎么和 AI 協(xié)作得更穩(wěn)。速度還會繼續(xù)提上去信任也會一點點建立起來但那個“上線前必須把每一行都搞懂”的原則我會一直留著。