10月15日，知乎编程话题像是约好了集体回热：《现在程序员的代码大多数都是用AI生成的，后面会成为屎山代码看不懂吗？》（172万浏览）今早8点挂出新回答。 89万浏览的《用AI写的代码，最终会不会让整个项目成为屎山？》也在凌晨更新，《AI开始写代码以后，程序员们最常把时间花在哪里？》《你的古法编程1天的产出相当于用AI编程多少钱？》今天各出新答案。知乎
回热不是巧合。10月12日彭博社报道，Epic Games在迪士尼项目里给开发者的指令是"no more hand-written code"——不要再手写代码，美术也全部走AI工作流。 Tim Sweeney随后在X上亲自确认"我们正在进行一次巨大的转型"，这条消息海外曝光三百多万，中文圈今天才陆续有人下场拆解。一边是公司把"AI写代码"定成方针，一边是工程师在算"AI写完，烂摊子谁来收"。这篇把今天散在四五个热题、两条热搜和一篇文章里的材料归拢起来，算三笔账，给一张分工表。知乎
先看清：这次吵的不是"传统屎山"
没碰过AI代码的人，对屎山的想象停在缩进混乱、变量叫a1b2、一个函数一万行。而知乎那个172万浏览问题下拿了2017赞同的回答说得很直白：AI生成的代码通常语法极其规整，缩进完美，变量命名符合规范，甚至还会贴心地给你加上规范的英文注释。光看当前这一个文件，你挑不出任何毛病，甚至看着还挺赏心悦目。 真正的坑在结构层面——模块边界混乱、业务逻辑重复实现、隐式依赖、异常被悄悄吞掉，而这些恰恰是AI效率极高的方向。知乎
那个回答里有个可以直接当避坑教材的案例：一个毕业不到两年的工程师把订单状态流转需求整份喂给智能体，几百行代码几分钟生成，单测全绿，导师看代码工整、跑了主流程没问题就批了合并。三周后线上客诉：特定并发场景下，用户已付款的订单被重置回待支付，还触发了库存释放。排查发现，AI在生成这段状态流转时，为了让当时的单元测试通过，极其聪明地在缓存层做了一套极其复杂的异步补偿机制。 单看那个类写得相当精妙，但公司底层规范明文写着：涉及资金状态的订单流转必须依赖数据库事务一致性，禁止在应用层做缓存补偿。AI根本不知道你们公司有过什么历史规矩——它只看当前文件，不读你们踩过的坑。知乎
AI怎么"看见"整个项目，正是今天知乎另一篇横评在讨论的问题：模型自己也在把本地项目认知能力给固化到自己的模型权重中。 这张四象限图把行业方案按"要不要整张结构图"和"结构能不能算出来"切开：import、调用、类型关系是机器可以现算的；而"这个模块该不该这么拆"这类隐式约束，图算不出来，只能靠额外的规则层补。知乎
三笔账：把情绪吵法换成数字
账一：吞吐量账——"10倍效率"和+7.7%之间差了一个数量级
B站10月1日有一条搬运视频：DX公司副CTO Justin Roe基于20万名工程师、400余家机构的调研显示，部署频率上升，但变更失败率波动加大，工程师对变更的信心下降6%，单份PR平均长度从44行增至72行；AI带来的PR吞吐量提升中位数仅7.7%。 PR越长、review有效性越低，这是老工程经验——生成端快几分钟，验收端默默变厚，"快"的一部分转嫁到了没人记账的地方。哔哩哔哩
前端圈的实测也在对账。10月13日一篇《前端CodeReview实战：识别AI写代码的15个常见坑》给了6个月试点、200多个PR的反直觉数据：AI代码PR的首次Review通过率比人工代码高23%，但merge后缺陷率只低4%。 “看起来更对”，不等于"实际更安全"。同一篇文章把AI的通病归成五个"过度"：过度防御、过度抽象、过度优化、过度类型化、过度设计。作者的亲历：一个AI生成的PR里用v-html直接渲染用户评论，风格无可挑剔，他三秒放过去，第二天生产环境被注入挖矿脚本。知乎
账二：修Bug账——五个环节里AI只压缩了一个
还是那个172万浏览的高赞回答给的拆法：排查一个bug的完整时间等于复现问题、定位问题、重建上下文、编写修复代码以及回归验证这五个环节的总和。 AI能把"编写修复"压到几秒，却会把"重建上下文"和"回归验证"拉长——那次订单事故修复时要重梳上游支付回调链路、排查缓存机制污染了多少在途订单、再把整套违背架构原则的代码删掉重写。回答的结论：这种账的修复成本，可能比纯人工手写的旧代码高出好几倍。知乎
知乎《AIcoding导致代码量大幅增加，如何做好代码质量管控？》（27.8万浏览）下被顶很高的答案说得更糙：AI无论修bug还是改bug都不快，加功能也不快，AI只有第一次生成代码快，其余所有工作都比人类慢。知乎
账三：理解债账——三个月前你按下的回车，三个月后你骂"谁写的"
高赞回答给这个现象起了名字：理解债务。系统在跑，但没有任何一个活人脑子里有这套系统完整的结构图。 出事之后，原作者看自己当初接受的AI方案，反应和看陌生人代码一模一样。知乎
轻量版翻车就在昨天深夜：知乎一篇《让AI做个网站，竟有近6万个文件！难道写出了一座"屎山"？》记录，一位非程序员博主迁移项目时发现整个项目有57108个文件，最后查明5万多个全堆在node_modules里，依赖没排除还全程被Git跟踪传上了GitHub，体检报告显示最严重的Web版发现28276个依赖文件仍被Git跟踪。 功能没崩，但"备份认为这些小6万个文件都是你的项目"。知乎
也有人今天就在算另一个方向的账。《你的古法编程1天的产出相当于用AI编程多少钱？》今早的新答案：一位策划背景的人不写架构、不review代码，纯"提需求—验收"地用谷歌AI-Studio免费配额，前后持续迭代了约20天，每天一两小时，最终完成时游戏总代码量约7万行。 生产端确实便宜了——问题只剩这句：这7万行，以后谁来读？知乎
乐观派同一天在补旗：树莓派官方账号今天14:55发微博，首席创客Toby Roberts仅用12天，零手写代码，完全靠AI辅助开发并上线了一款iOS独立游戏——《Maker Lab》（创客实验室）。 玩法是车库创客空间经营，操控3D打印机、激光切割机、CNC铣床，机器会卡弹、起火、跳闸。B站10月14日还有一条搬运：Google工程师Erik Chen正借助Gemini4Argon"解开"数百万行Chromium老库的架构死结。 172万问题下今早08:08的新回答则直接把话挑明：屎山也好，易维护也好，后面基本上也是让AI来读，让AI来维护。微博哔哩哔哩知乎
"让AI维护"不是没道理，但它成立的前提，恰恰是另一派一直在说的流程兜底。腾讯高级执行副总裁汤道生6月5日在腾讯云AI产业应用大会上说：今年腾讯大部分代码都是由AI生成，腾讯的工程师可能会花更多的时间去做架构设计。 "AI代码率"正在变成实际考核，知乎有被531人赞同的回答直言：我们公司去年AI代码率要求25%，今年强制要求50%，三年后90%。 考核压下来，上面三笔账全落在执行的人头上。微博知乎
收场方案：一张分工表+两样工具，今天都有人交了作业
先按"有没有标准答案"分工——今早那篇《不再手写代码：我把哪些活交给AI（附清单）》（作者一人用Agent维护19个项目）给的判断标准只有一条：这件事有没有标准答案？有标准答案意味着对错可以被验证，而Agent最擅长的，就是被验证。 写代码、改格式、跑测试、整理数据可以交给AI；判断做什么、判断好不好、定什么价，留给人。AI是执行层的高手，战略层得靠人。知乎
落到每天的review上，按"这段出错了你要花多久收拾"分三层：
逐行审：碰钱的（支付、订单、账务）、碰并发/状态机/权限的、碰你们公司历史规范例外的——AI最爱在这些地方写"逻辑自洽但违背规矩"的隐形炸弹，因为规矩不在代码里，在文档和老员工脑子里；
只测不逐行：胶水代码、一次性脚本、UI拼装，跑通即可，别为沉没的review时间后悔；
让规矩和工具进仓库：像那位57108文件博主的下一步，把"哪些文件进Git、哪些留本地、哪些进发布包"写进AGENTS.md这类约束文件让Agent开工前先读；今天微博刚推热的开源项目ponytail走的是同一路——它给ClaudeCode、Codex、Copilot、Gemini这类AI Coding Agent加了一套更克制的编码规则，核心思路是优先复用现有能力，尽量减少不必要的代码和依赖。 另一头，阿里6月开源的AI代码审查工具open-code-review已经有人实测走通了工程化流程：审查范围来自明确的配置，先让机器把重复率、注入、异常吞掉扫一遍，人再去看机器看不懂的那部分。微博知乎
接下来盯什么
两个信号：一是Epic这条指令会不会被第二家大厂公开跟进——"别手写代码"从内部备忘录变成行业方针，只需要一纸官宣；二是DX那类调研下半年的数据，如果信心指数继续掉、PR继续变长，"吞吐量+7.7%"和"AI代码率考核50%“之间的剪刀差，会逼公司改考核口径。对个人，判断标准一句话：下次AI生成的PR过了全绿测试、但你开始看不懂它为什么这么写的时候——那不是你退步了，是三笔账里的那笔"理解债”，开始计息了。
