AI 编程里最容易闯祸的一句话，是「能跑就行」。
下午跟 Agent 聊得飞起，demo 顺滑，直接合主分支。两周后线上出故障，你打开代码，一行都不眼熟——这时候才明白，「能跑」只是可信的起点，不是终点。Cognition 刚发布的 FrontierCode 2.0 测评也在报警：换成 132 个真实开源仓库任务后，得分最高的模型也只通过了 45.5%。钛媒体知乎
为什么「能跑」不能单独信
博主宝玉 xp 有个扎心的观察：当年人手写代码，一天平均几百行，质量差距有限；现在 AI 一泻几千上万行，数量加乘把方差撑大，人和人的产出差距比以往更大。拉开差距的不是手速，是判断力和责任心。微博
事故现场其实高度雷同。Grill Me Skill 作者 Matt Pocock 发现，Agent 爱「按层写」——数据库层全写完，再写应用层，最后写前端。每层单看都行，拼一起才出问题，因为 schema 设计早就决定了前端能展示什么。爱可可分享的《Vibe Coding》课件里也列了一串翻车案例：AI 生成的统计图完全正确、科研结论却错了。AI 说「测试通过了」，你还真不能全信。微博微博
维护的烂摊子更扎心。知乎上有人把这事说透了：AI 写的代码就像一堆「已离职老员工」留下的屎山，没人懂。细节你不掌握，系统出问题 AI 自己调试搞不定，兜底的还是你。知乎
给自己搭一套验证闭环，分五步
课件里那套工作协议值得直接抄：先定义规格再制定计划，先建立测试再修改代码，修改之后独立验证，确认可信之后再提交。
拆到日常，就五步：
动手前先写 Spec。别急着让 AI 开写，先把「做成什么样算成」用几行字钉死，再让它干活。
纵向切，别按层堆。借 Matt Pocock 的招：把 tracer bullet（追踪子弹）写进 prompt，让 AI 先把一条从数据库到前端、窄窄的路径跑通，确认可行再往两边扩。
测试先行。没有测试，AI 说「做完了」就只是一句聊天。
合并前只看四样：diff 意图、测试、敏感权限、秘密信息。B 站 UP 主零壹工坊的审查清单说得直白：需求有没有被误解，比语法对不对更重要。哔哩哔哩
给 Agent 上闸门。prompt 里写十遍「不要删文件」，真出事照样被 `rm -rf` 带走。用权限和 Hooks 挡高危操作，Git 回滚留作后悔药。知乎
把判断留给自己
评论区被反复顶上来的是那句话。微博
代码可以不亲自写，结果必须自己负责。把执行交给 AI，把判断留给人。
AI 永远没法承担责任，出了事背锅的还是你。当代码生产越来越便宜，真正变贵的，是会定义问题、能验证结果、敢为结果负责的人。
