让 AI 改代码不翻车:三个习惯,一道护栏

周五晚上把 Claude Code 切到 Opus 4.6，让它通读我“太虚幻境”项目的代码。一个小时连翻三次车（对这个项目感兴趣的朋友可以加我私聊）。

复盘下来，核心结论：

AI 改代码最危险的，不是它技术错误，是它说错时那种笃定的语气。

要降低翻车率，三个习惯就够了：

1. 让它走用户流程——不要只让它看代码结构

2. 它说”改 X 为 Y”时，先问”为什么是 Y”——AI 在没有依据时也能给出”听起来合理”的判断

3. 用第二个 AI 做 second opinion——Claude 和 Cursor 的盲点不一样

再加一道护栏：

用第三方 API 中转时，特殊功能（图片 / 工具调用 / 流式）必须端到端单独测。

下面是每个习惯对应的真实场景和教训。

习惯一：让 AI 走用户流程，不要只让它看代码结构

核心论点：AI 检查代码时，会本能地偏向”看代码结构”——命名、重复代码、SQL 注入、安全漏洞。这些它都很擅长。但真正会让产品翻车的 bug，往往不在某一行代码错了，而在两个接口之间的”水管”接错了。这种问题 AI 看不出来，除非明确让它走一遍用户流程。

实际场景：Claude 第一次 review，挑出来的都是命名不统一、两个 LLM 类重复、路径遍历漏洞——它从代码结构能看到的问题，一气呵成全修了。

但图片识别 bug 它没看出来。事后排查，问题在两个接口的数据流断了：上传图 → /upload 解析进向量库 → 接着发文字”这是什么意思” → /chat 只收到文字，没把刚解析的图片摘要带过去。任何一个接口单看代码都干净得很，问题只在它们之间。

让 Claude 复盘，它的原话：

“我检查代码时偏重静态结构，没有沿着用户操作流走完整链路。”

给以后的我：让 AI review 代码时，prompt 里不能只说”检查代码”——要明确加一句”沿着用户的实际操作流程走一遍，看每一步的数据是否都完整传到了下一步”。这一句话能多 catch 一半的隐藏 bug。

习惯二：它说”改 X 为 Y”时，先问”为什么是 Y”

核心论点：AI 改代码最危险的瞬间，不是它写错——是它用一种”听起来很合理”的语气，给出一个没有依据的判断。如果不打断、不质疑，那行错代码就进 git 了，然后某个安静的下午，业务跑炸。

实际场景：定位 bug 时，Claude 瞄见 max_tokens: 204800 这个数字，直接判断”太大了，模型会拒绝”，改成 4096。

我打断：”那个是允许输入的最大值，因为有可能我发送的文件附件非常大。”

真相是：我俩都错了。max_tokens 控制的是模型输出的最大长度（不是输入），但 Claude 的”修改”也错——这个值不是图片识别失败的根因。关键不是谁对谁错，是这一句质疑让一行错代码没进 git。

给以后的我：当 AI 说”我把 X 改成 Y”，必问一句——

为什么是 Y？

习惯三：用第二个 AI 做 second opinion

核心论点：不同 AI 的盲点不一样。Claude 偏静态结构，Cursor 在某些数据流追踪上更细。让两个 AI 互相 review 一段复杂改动，几乎是免费的”质量保险”——10 次里能 catch 到 2-3 次有意义的问题。

实际场景：max_tokens 那个判断有问题被发现，靠的是 Cursor。

把同一段代码丢给 Cursor，它给出了比 Claude 更完整的诊断——指出 /upload 和 /chat 之间的数据流断层，还顺手指出 add_image() 的响应解析不健壮。把这份诊断贴回给 Claude，它一句话：”我应该一眼看出来。”

给以后的我：当 Claude 给出一段复杂修改之后，习惯性地把改动复制到 Cursor，问一句”这个修改有什么风险或遗漏吗？”。

不要把 AI 协作想象成”一个 AI 帮你做事”。它应该是 “两个 AI 互相 check”。

一道护栏：第三方 API 的特殊功能，必须端到端单独测

核心论点：用任何第三方 API 中转服务时，默认假设”特殊 feature 会被静默丢弃”——文本能用 ≠ 图片能用 ≠ 工具调用能用 ≠ 流式响应能用。每多一个 feature，都要写个 5 分钟的脚本端到端测一次。

实际场景：定位真凶花了半小时。Claude 写了一段诊断脚本，直接对裸 API 发一张图片 + 一句话，把请求和响应整个打印出来。

结果是：API 返回 200 OK，模型回复”I don’t see any image”，响应里 image_tokens: 0。图片数据被中转层悄悄扔掉了。整个调用链没有任何错误日志，所有代码看起来都对，只是图片没传到模型那里。

这种 bug 用看代码、看后端日志，永远看不出来。必须绕过自己的代码，直接对裸 API 发一个最小测试请求。

写在最后

所谓 vibe coding，到底是什么？

它不是”AI 代替我写代码”——AI 会犯三种翻车里展现的所有错误。也不是”AI 当我助手”——这个定位太被动，所有判断还是我做。

它更像是”AI 是我的实习生”——能干、有想法，但当它说出某个判断时，必须本能地问一句”为什么”。它说不出来，可能就是错的。

AI 改代码最危险的，不是错误本身，是它说错时的那种笃定的语气。

只需要问一句：

为什么。

关于我

鱼小稳（YUWENER.COM）

· 身份：前互联网产品总监，现快消品数字营销负责人 & 公司销冠

· 服务：一物一码营销底座+AI 销售场景落地+全链路项目交付

· 优势：擅长把”业务痛点”翻译成”系统语言”，主张”深入场景、真实闭环、数据驱动策略”。Taste 是方案的灵魂，闭环是业务的生命。

· 当下：深耕世界 500 强快消客户数字营销项目，狂热的 AI & Vibe Coding 实践者，致力于用 AI 重塑数字营销的生产力边界。

找我：

未来属于那些”决定了自己要什么，并且能清晰描绘出来”的人。如果你也在寻找一个能从底层逻辑拆解业务，并最终落地拿结果的合作伙伴，我们该聊聊:)