别让AI替你写代码，先让它替你写“审查清单”

作者提米哥

最近一篇叫《AI疲劳是真的》的文章火了——它说出了很多开发者心里憋了很久的话：在AI时代写代码，反而更累了。

不是因为写得少，而是因为看得太多、改得太碎、想得太杂。
AI一秒钟甩出200行代码，你得花10分钟一行行确认：
– 这个函数名是不是和项目里已有的冲突？
– 这个API调用有没有漏掉错误处理？
– 这个测试用例……它真的在测业务逻辑，还是只在测“自己写的假数据”？

结果就是：你没在写代码，你在当「AI校对员」——不断切上下文、反复进进出出、脑子像被拧干的抹布。

但问题来了：我们真得亲手 review 每一行 AI 生成的代码吗？
答案是：不一定要“逐行审”，但必须系统性地审关键维度。

提米哥翻遍上百个真实项目复盘 + 和37位一线工程师蹲点聊完，总结出一份极简但够硬的《AI生成代码四维审查清单》——不用背理论，打印出来贴显示器边，5秒扫一眼就能避开80%的坑。

✅ 维度一：确定性（Is it deterministic?）

❌ 错误认知：“只要测试通过，代码就可信。”
✅ 正确姿势：先问“这代码会不会今天能跑，明天就崩？”

LLM 不是编译器，它靠概率“猜”答案。同一个需求，让它生成10次，可能得到10个不同实现——有些连边界条件都没覆盖。
所以，别光看测试绿不绿，先盯住三件事：

  • 函数/变量命名是否和项目已有风格一致？（比如项目全用 camelCase，它却突然冒出 snake_case）
  • 是否用了项目禁用的库或 API？（比如公司明令禁止用 eval()，它却悄悄塞进去了）
  • 所有 if/else 分支是否都有明确 fallback？有没有“写到一半就断掉”的空分支？

✅ 维度二：全局一致性（Does it fit the whole system?）

❌ 错误认知：“我只改这个文件，别的不用管。”
✅ 正确姿势：把AI当成新来的实习生——它不知道你们团队三年前定下的那个‘用户ID永远是字符串’的潜规则。

LLM 看不到整个项目，只能“盲人摸象”。常见翻车现场：

  • 同一个业务逻辑，在3个地方被AI重复写了3遍，每遍参数名还不一样；
  • 数据库字段明明是 status_code（整数），它却生成了 status: "active"（字符串）；
  • 前端传来的 user_id 是字符串，后端接口却直接当数字 parseInt() 处理——上线5分钟后报错 NaN。

✅ 应对口诀：“改一处，查三处”
– 查同名函数（有没有已存在的？）
– 查同业务关键词（比如搜 payment, refund, cancel 看是否已有统一状态机）
– 查配置文件（环境变量、常量定义、枚举值是否对齐）

✅ 维度三：可维护性（Can I fix this in 2 minutes, 6 months later?）

❌ 错误认知：“现在能跑就行，以后再说。”
✅ 正确姿势：把“未来那个加班的你”当成最严苛的 Code Reviewer。

AI最爱干的事：
– 把10行清晰逻辑，压缩成1行嵌套 map(filter(reduce())) ——看着很酷，改起来想删库；
– 在注释里写“TODO: 优化这里”，然后真·永远不优化；
– 用魔法数字（比如 if (status === 3)）却不加注释说明 3 = PAYMENT_FAILED。

✅ 快速自检三句话：
– 这段代码，我删掉所有注释，还能读懂它在做什么吗？
– 如果我要把 3 改成 4，需要改几处？（理想答案：1处，且是常量定义）
– 如果下周需求加个“导出Excel”，这段代码要动多少地方？（越少越好）

✅ 维度四：测试质量（Are the tests actually testing behavior?）

❌ 错误认知：“测试全绿=万事大吉。”
✅ 正确姿势：把AI生成的测试，当成一份“可疑文档”来读。

AI写的测试，常见三大幻觉：

  • 假阳性测试：用假数据“假装成功”，比如： 
// ❌ 危险！只测了 happy path，没测任何异常
test("should return user", () => {
  const result = getUser("123"); // 假设这是个同步函数
  expect(result.name).toBe("Alice"); // 但万一 ID 不存在呢？它根本没测！
});
  • 复制粘贴式测试：10个测试，只有ID数字不同，其他全抄——等于只测了1种情况；
  • 测试命名误导人：test("handles error" 实际代码里连 try/catch 都没写。

✅ 审查测试的黄金3问：
– 这个测试，删掉它，代码还会通过吗？（如果会，说明它没起作用）
– 这个测试，故意把实现函数改错1个字符，它会失败吗？（如果不会，说明它没覆盖真实逻辑）
– 这个测试名字，能不能让新人一眼看懂“它在保护哪条业务规则”？

最后送你一句提米哥的真心话：

AI 不是替代你思考的“外挂”，而是放大你经验的“杠杆”。
杠杆再猛，也得你亲手找准支点、看清方向、用力推——否则，只会把你自己甩飞出去。

别怕慢。
第一版用AI生成 → 第二版用这份清单快速过一遍 → 第三版加1个真实case验证 → 发PR。
比“一键生成+盲目信任”省下的时间，多十倍。

直达网址：https://github.com/nuwainfo/ffl

类似文章