这周知乎一个关于AI写代码的问题冲到热榜：「AI写的代码还需要Review吗，只看Spec+Harness验收是否足够？」两千多浏览跟出来82赞、27评论，是这个月架构讨论里互动最狠的一帖。两派吵得很直接：一派喊"别再一行一行review AI生成的代码了，review带宽根本不够用"；另一派回"认清现实：代码审查挡不住AI代码的洪流，但不审查就是裸奔"。
一、先对一笔矛盾的账
关于AI提效的数据，最近几个月一直是打架的。有开发者统计：90%的开发者每周都在用AI写代码，但企业整体研发效率只快了30%左右。知乎腾讯高管的说法更激进——“今年大部分代码都由AI生成，工程师更侧重架构设计”，这条说法在知乎相关讨论页阅读量滚到了108万。知乎
速度这边，AI Agent一天能吐几千行；上下文这边，GPT-6把窗口翻倍到200万tokens。知乎纸面上看，"写"和"记住"的问题都在被解决。那为什么效率没飞起来？
有个高赞回答点得很准：AI写代码越快，你需要理解这些代码的上下文就越多。知乎杠杆的支点正在从"写"移到"设计"——Claude Code负责人Boris Cherny自己的概括是"我的工作是写loop"；Google Chrome工程负责人Addy Osmani今年上半年的系列文章，则把这套变化整理成了"三层体系"：harness（agent运行的环境）、skills（做事的流程纪律）、loop（替你驱动agent的系统）。他给的数据很有冲击力：SWE-bench上换一个model只带来1分波动，换一套harness能差出22分；Anthropic报告仅改进harness，任务成功率就能提2-3倍。知乎
一句话：决定AI产出的，已经很大程度不是模型本身，而是你套在它外面的那层系统设计。这本来就是架构问题。顺便说一句，现在被放在一起比较的Cursor、Claude Code、Codex、OpenCode、DeepSeek Harness，产品形态根本不在同一层——有的只是补全插件，有的已经是带权限边界的agent运行时，把它们放一个榜单上比快慢，本身就是在错的地基上盖review制度。知乎
二、review门为什么守不住了
过去资深工程师review的速度，快于初级工程师写码的速度，所以review是有效质量门。现在这个不对称关系被AI反转了：初级工程师加上一排agent生成代码的速度，超过了资深工程师批判性审计的速度。质量门没失效，只是变成了吞吐问题。知乎
而"干脆不review，只验收结果"这派，也有自己躲不开的坑。Agent默认走到达"done"的最短路径：不写spec、不先写测试、不考虑信任边界——这恰好是每个资深工程师花整个职业生涯学会避开的失败模式。你在验收时看不到它，它就在你下次改动时出来还债。
更麻烦的是Osmani借Storey提出的"三种债"，账单是分开寄的。知乎
技术债：代码写得烂。AI让它变便宜——产生便宜，偿还也便宜，指着纠缠模块让agent重构就行。不再是主要矛盾。
理解债：系统里存在的代码量，和任何人类真正理解的代码量之间，那道不断扩大的鸿沟。它阴险在现有度量完全抓不到：velocity漂亮、DORA平稳、测试覆盖率全绿，理解力在底下被悄悄掏空。知乎
意图债：当初为什么这么做、约束是什么、那个300ms防抖到底是深思熟虑还是随手一敲——这些理由没有写在任何机器读得到的地方。模型会猜，而且会编一个自信的理由，比承认不知道更糟。这是三种债里唯一agent无法替你偿还的。
指望AI"记住一切"短期也不现实：8月12日发布的AML记忆能力首期榜单，商业产品第一名MemoraX只有58.02分，第一名都不及格。知乎近期GitHub Trending上单日涨4561星的archify这类"一句话生成可交互架构图"工具爆火，本质上也是同一个需求的映射——大家想把系统里"只存在人脑和聊天记录里的东西"，变成打得开的地图。知乎
三、把review从"看不看"改成"看什么"
所以真正该换掉的不是review本身，而是review的对象。把这次全网讨论吵出来的共识和分歧摊开，按风险分层。Osmani给agent流程定的验收底线其实就一句话：没证据就不算完，"看起来对"永远不够。知乎大致是这张账：
改动类型 | 人工review什么 | 机器验收什么 | 说明 |
|---|---|---|---|
核心链路：交易、鉴权、并发、数据迁移 | 逐行看意图和边界 | 测试必须先行、CI绿 | 理解债重灾区，surrender一次就是贷款 |
常规业务迭代 | 看spec是否定义清楚、行为变更是否在预期内 | 覆盖率、运行时日志、reviewer签字 | “没证据就不算完”，看起来对永远不够 |
一次性脚本、胶水代码 | 抽查 | 跑通即可 | 别把资深review带宽浪费在这 |
配套三件小事，比争论"要不要review"有用得多：
把intent作为一等产物写进仓库。spec写"为什么"而不是只写"做什么"，决策记录（ADR）和progress文件落盘。agent会忘，repo不会——这是对抗每个session冷启动的唯一办法，以前公司只在老员工离职时付一次这笔税，现在是每个session乘以每个agent都要付。
给agent焊上流程纪律。Osmani开源的agent-skills（目前9万多Star）思路就是这件事：把"先写failing test→跑→看它失败→最小实现→看它通过"写成带exit criteria的workflow，24个skill、8条斜杠命令覆盖Define到Ship六个阶段。知乎知乎它能涨这么快，说明社区对"验收体系"的答案正在向流程纪律收敛，而不是向"少看代码"收敛。
盯住理解债的先行指标。一个信号很直白：如果你们团队已经有人看不懂上周merge的代码是谁写的逻辑、AI给出的修改理由开始没人去核对，说明速度不对称已经反转完了，该调整的是review制度，不是再招两个初级来堆产出。
四、谁该对号入座
已经在团队里推AI编程、正为review流程纠结的后端tech lead和架构师，这篇是给你省争论用的；还没在正式项目里让AI大批量写代码的，先收藏当预案；把"大部分代码AI生成"当KPI喊的管理层，建议把第二节三个债的表读一遍再定考核——产出速度是账面数字，理解债不体现在任何一张报表上，它只在下一次故障和下一次重构时结账。
值得继续观察的信号：AI记忆榜单什么时候出现及格分、Spec+Harness验收派能不能拿出可复用的生产案例、以及"效率只快30%"这个剪刀差在下半年是收窄还是扩大。这三个变量，基本决定了明年你的review制度长什么样。
