AI写代码:只要不报错,就是一锅好粥(糊了也算)

技术债务就像赘肉，一开始看不出来，等你想动的时候就晚了

产品：“这个功能三天能完成吗？”
开发：“一天就行，我用Codex。”

说这话的是一位资深开发，说得那叫一个轻描淡写、云淡风轻，仿佛AI是他口袋里的哆啦A梦。

之后代码很快上线了，功能确实跑通了，从结果来看，还是很不错的，效率超级高。又过了一周，另一位同事接手维护时发现：
代码里重复逻辑多到可以用“复制粘贴大赛”来形容；错误处理？不存在的；边界条件？请问边界是什么，能吃吗？

一个简单的参数修改，就像抽掉了积木塔底层的三块——Bug们欢天喜地地蹦了出来。功能是对的，过程却是一团糟。

如果你觉得这只是一个倒霉蛋的故事，那你可能还没被AI代码坑过。

当AI开始写代码，人类开始“躺平”

说个笑话：

以前程序员写代码：查文档 → 画脑图 → 写伪代码 → 喝茶 → 重构 → 写注释 → 再喝茶。

现在程序员写代码：# 写个排序函数 → Tab → 搞定。

GitHub Copilot、Cursor、Codex，Claude Code、Qoder、通义灵码……这些工具确实猛。你说“写个函数从数据库查用户”，它“唰”地一下就把代码甩你脸上了。

效率上去了，但代码质量——咦，谁把我家屋顶拆了？为啥会这样呢？

因为AI本质上是一个超级复读机，只不过它复读的不是原话，而是“概率上最像正确代码的那串字符”。

它见过八百万遍“def get_user”后面跟着一段SQL，于是它说：好的，那就这么写。

它不会思考：这个SQL安全吗？要加缓存吗？连接池呢？异常要不要捕获？

AI的任务只有一个：在当前光标位置，填上最有可能被接受的代码。

说得再直白一点：AI只对“结果看起来对”负责，不对“过程是不是体面”负责。

就像你请了个装修队，他们说“保证三天装完你家的卫生间”。三天后卫生间能用了——水管漏不漏水？电线走没走地？防水做了几层？
“那是你的问题，不是我的问题。”

“伪完成”陷阱：测试过了，人傻了

我手头有个真实案例，保证你看了想笑又想哭。
需求：从数据库读取用户信息。
AI写出来的代码长这样：

def get_user(user_id):
    conn = sqlite3.connect('db.sqlite')
    cursor = conn.cursor()
    cursor.execute(f"SELECT * FROM users WHERE id = {user_id}")
    return cursor.fetchone()

你跑一下，哎，返回了用户信息。完美！合并！上线！

等等——让我数数这里面有多少坑：

• • SQL注入？不存在的，f-string大法欢迎黑客来玩。
• • 连接没关？没事，反正数据库连接池会哭，又不是我哭。
• • 异常没处理？报错就是用户的网络不好。
• • 每次调用来一次connect？性能是什么，好吃吗？

如果是一个人类程序员写出这玩意，他会被Code Review的人用眼神杀死。

但AI不会尴尬，AI只会无辜地看着你：“你说要返回用户信息，我返回了呀。”

这种“伪完成”代码正在悄悄地、快乐地潜入你的生产环境。测试通过了（因为测试只跑那条正常的user_id），Review没人仔细看（因为“看起来挺对的”），上线后半夜三点报警——所有人挠头：“明明功能是对的啊！”

功能是对的，但你的头发不对了。

如何优雅地驯服AI，而不是被AI驯服

说了这么多，你可能会问：那AI工具还能不能用？

当然能用！但不能裸用。
下面几条“保发秘籍”，专治AI代码的后遗症：

1. 让AI先写测试，再写实现

不要上来就让AI写函数，而是说：“为这个函数写一组测试用例，包括正常值、边界值、异常值。”
AI写出测试的过程，其实是在帮你逼自己思考——哦，原来负数也要处理，原来缓存失效也要考虑。

2. 对着AI敲桌：你给我解释解释

AI生成代码后，别急着复制。追一句：“这个方案有什么潜在问题？有没有更好的写法？”
神奇的事情发生了——AI往往会自己承认：“啊对，这里可能会有SQL注入，建议改用参数化查询。”
AI不是不知道，是你没问。

3. Code Review的时候，先把AI写的当嫌疑人

如果你是团队的Code Reviewer，看到一段代码，先问一句：“这是人类写的还是AI写的？”
如果是AI写的，请把审查标准调高两级。不要因为“看起来正常”就放过。AI的“正常”往往只是“高频”，不一定是“正确”。

4. 把AI当实习生，别当架构师

AI生成的代码，永远应该是第一版草稿。
你要做的事：重命名变量 → 提取函数 → 加错误处理 → 写注释 → 删掉20%的冗余代码。
这个过程，叫编程。AI替你干了最累的搬砖，但砌墙、抹灰、验收还是你的活。
借助 AI 开发的时候，最上层的设计一定是在你的脑中，而不是让 AI 来帮你设计。同样，当 AI 把代码写成屎山的时候，更不要期望他能够把屎山优化掉。如果这样做了，你会发现 AI 会在屎山的基础上再造一座屎山。

5. 把你的“规矩”喂给AI

把你团队的编码规范、常见坑点、代码模板整理成一段提示词。每次让AI写代码之前，先塞给它：“请遵循以下规范：1. 所有数据库操作必须使用参数化查询；2. 所有函数必须包含异常处理；3. 禁止魔法数字……”

你会发现，AI真的会照做。你不对它提要求，它就放飞自我。

写在最后

AI编程工具不是洪水猛兽，它们是人类历史上最好用的偷懒工具，没有之一。

但请你记住一个扎心的事实：

• • 锤子不会帮你判断钉子钉没钉歪。
• • GPS 不会帮你判断那条路是不是在修。
• • AI 也不会帮你判断那段代码是不是屎山。

你今天用AI写了成百上千行代码，下班前跑通了所有用例。
回家路上问问自己：我理解每一行吗？三个月后的我，会不会想穿越回来掐死现在的我？

只对结果负责的，叫机器。
对过程也负责的，才配叫工程师。

哦对了，如果你觉得这篇文章是在骂你。
别担心，我也在骂我自己。让 AI 帮我写了一周的代码，已经全部删除，从顶层设计开始，从头再来。
那感觉，就像自己给自己挖了个坑，然后微笑着跳了进去。