检查 AI 的代码,别问它跑不跑,问它有没有说实话

不是不想看。是那种场景很难产生警惕——它写得比我整齐，注释比我全，命名挑不出毛病。人看代码本来是靠"哪里别扭"来导航的，而这套代码哪儿都不别扭。

后来我慢慢接受一个不太舒服的事实：AI 生成的代码，失败方式和人写的已经不一样了。

一、它学会了不崩

人写错的 bug，通常是响亮的：崩了、报错了、白屏了。你当场就知道。

AI 写出的问题，越来越多是安静的那种：try 包得太宽，异常被吞掉，返回一个默认值继续往下走；查询为空时返回空列表而不是报错；参数不对时给个兜底而不是拒绝。每一步单独看都叫"健壮性好"。

有个研究把这种现象归结得很准——模型在训练中被反馈信号塑造过：崩掉的程序被严厉惩罚，勉强能跑的程序被轻轻放过。时间一长，它学会了优先保证"看起来在工作"。

所以真正该问的，从"这段代码能不能跑"，变成了——它有没有如实交代自己到底成没成。

这个转换很要命，因为它意味着你以前的检查方式有一部分失效了。跑一遍没报错，现在几乎证明不了任何事情。

二、每个函数都对，串起来是错的

还有一个更难缠的类别：静态检查扫不出来的那类。

公开的例子是今年某 AI 建站平台被披露的越权——一个免费账号，五步 API 调用，就能读到别人的源码、数据库凭据和完整的 AI 聊天记录。几百万用户，几十亿估值，报告之后还挂了挺久才修。

最扎心的细节是：所有静态扫描工具全程没有报警。

原因说穿了很简单：鉴权检查写在主路径上，写得很好；问题出在旁路上——导出接口、批量接口、v2 版本，那些当时"顺手加出来"的路径没带上同样的检查。

这类缺陷的特点是：你一个函数一个函数看，每个都挑不出毛病。 错的是函数之间的关系，而关系不在任何一个文件的视野里。

AI 特别容易生成这种东西，恰恰因为它很擅长把每一个局部都写得像样板。

平台级的数据也印证这个方向：越权类告警在过去一年大幅增长，已超过注入类成为最常见的安全告警，官方给的解释就是 AI 生成的脚手架习惯于"先把功能跑通"，教程式训练数据里本来就不太写鉴权。

三、便宜的检查，都在它动手之前

说几条我自己真的在做的，都很便宜。

第一，先看它打算改哪儿，再看它改了什么。 让它先列出要动的文件和每处的改动意图，通常只有几十行，你花两分钟就能判断方向。方向对了，代码错也错不到哪儿去；方向错了，三千行 diff 里挑 bug 是最亏的一种查法。

检查最便宜的时机，永远在它动手之前。

第二，主流程不读，读边界。 主流路径它写得比大多数人都好，你读完只会更放心，而这份放心是假的。真正要翻的是：输入为空、超长、类型不对怎么办；并发来两个请求怎么办；下游超时了怎么办；这条路由的第二条、第三条出口有没有带上同样的权限检查。

第三，把吞掉的错误全部揪出来。 通篇搜一遍宽泛的异常捕获和默认值兜底，问一句：这里如果真失败了，谁会知道？如果答案是"没人知道"，那这不是健壮，是撒谎。

第四，核对依赖清单里的每一个新面孔。 有个被反复验证的现象：模型会建议安装一些根本不存在的包。更麻烦的是，不同模型会稳定地幻觉出同一批名字——于是有人专门去注册这些名字。出现过一次公开案例，某个被模型反复推荐的包名在被注册之后被下载了上万次。你依赖列表里每一条陌生的东西，都该当场确认它真的存在、真的是你要的那个。

四、一条规矩，比一份清单有用

我试过给自己列二十项的检查清单，两周后就再也没翻开过。

现在只剩一条：凡是"不知道为什么但能跑"的部分，一律不许进主干。

看不懂它为什么这么写？问它。它解释不清？删掉重写。今天省下的五分钟，会在半年后的某个深夜连本带利要回来——那时候你连该问什么都忘了。

这条规矩看着土，但它背后其实是唯一一件 AI 拿不走的东西：解释权。

检查代码的目标从来不是"把 bug 找完"，那个做不到。目标是在按下合并之前，你能对着这段改动说清楚——它为什么在这儿，失败时会怎样，半年后的我能不能看懂。

这三句答不上来，就先别合。

免责声明：文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。文章仅是作者个人观点，不应作为投资依据。读者应详细了解所有相关投资风险，并请自行承担全部责任。

文章是来源于网络，版权归原文作者所有。作者应对文章及图片的真实性及版权负责。一旦因此引发版权纠纷，权利人提出异议，根据相关法律法规的规定，删除相应内容。侵权责任由原文作者自行承担。版权归原作者所有，如侵权请告知删