AI写的屎山穿着西装：这个9月，程序员撞上了新瓶颈——写得快了，看不过来了
8月底知乎上那个问题——“程序员的代码大多数是AI生成的，后面会成为屎山看不懂吗？”——攒出了1000多个赞同、600多个收藏。高赞回答里有一句话被搬到了各个群里。原文是：知乎
“AI堆出来的屎山，每个文件单独打开都挺漂亮，命名规范，注释齐全。但你把二十个文件放一起看，会发现同一个功能有三种实现，同一个概念有四个名字。局部整洁，全局精神分裂。”
这个月你又能看到一串新问题：“为什么团队引入AI编程助手后，代码审查反而变慢了？”“用AI写代码后，你花在检查和修bug上的时间真的变少了吗？”“AI写代码之后，仓库糊成一坨，该怎么办？”——一个月内知乎至少有六个问题在讨论同一件事。
AI辅助编程的真瓶颈，已经从"写"挪到了"看"。
一、写代码免费了，看代码没有
先看供给侧发生了什么：Copilot跑了五年，Cursor一年做出4亿美金ARR，字节Trae把价格打到3美元一个月，通义灵码干脆免费送（知乎9月底一篇四工具横评的开场白）。生成这一下的成本，确实被踩到地板上了。知乎
但验收侧的账没人替你还。一个吐槽很扎心：“外部的技术叙事说现在没人动手写代码了，但要做好审查；真实研发团队的状态是——不可能review的，根本review不过来。”知乎
更微妙的是屎山的味道变了。人写的烂代码，命名鬼畜、到处补丁，团队看一眼就知道该收拾了；AI写的烂代码穿着西装，你说不出哪里不对，只是每次改需求都要多花两天。它看起来不像屎山，所以没人想去重构它——这是它比老式屎山更贵的原因：欠账开始按复利走。
那个1021赞的回答把成本说得非常具体：出了bug，如果你当初是"理解着合进去的"（AI写完你读了一遍，能用自己的话讲清楚它在干嘛），排查时间跟你自己写的没区别；如果你是"跑通了就合"，排查成本大约是自己写的3到5倍，而且非线性——代码量越大越离谱。作者给的判断一句话：“AI生成的代码在你理解它之前，都不是资产，是负债，而且是按天计息的那种。”知乎
评论区有人补了个更日常的坑："几个月后出来一个bug，不知道为啥给你加了一个默认值或者降级处理，删也不是，不删也不是。“AI加兜底图的是当场跑通，不会留下"为什么”。
二、争议是真的：三派吵起来了
这事在社区里没有共识，硬说有结论的都是脑补。目前大致三派：
"人review不过来"派：压力全给了下游。一位带团队的回答者（DBinary）说得很直接：用AI直接交付需求的人，没有能力删代码、改代码，更不可能重写代码，项目迭代到后期，“所有有价值的工作量都给到了reviewer和测试”，提交代码的人沦为"AI传话筒"。那篇高赞回答里还有个孤证但扎心的案例：一个小团队三个月用AI怼出一个中台，第四个月要加一个权限维度，评估下来改不动，最后重写了七成——省下的三个月连本带利还了回去。知乎
"那就让AI审AI"派：反方证据也摆在那里。阿里开源的 open-code-review 9月在GitHub Trending上多次登顶（掘金weekly统计里两次冲到日榜第1，Star已破3.6万），Cloudflare的 security-audit-skill 同期也拿下过日榜最佳第1。知乎
这俩的共同思路是"确定性流水线+LLM Agent"两层架构：规则层扫空指针、线程安全、XSS、SQL注入这些已知模式，100%可复现、毫秒级、不花token；业务逻辑、隐性竞态这种需要上下文判断的，才交给模型层做二次分析，输出带置信度、可合并去重的行级评论。有知乎回答也持类似看法：AI分析静态代码、逐参数验证调用链的能力确实比人强，这部分审查会快很多。
"无所谓"派：情绪派，但值得记录。“大部分人都是短择公司，公司也是短择你，今天代码能跑就行”——这条20多赞的评论底下，作者回了一句我认为更值的话：手感和判断力是跟着人走的，换了公司也带得走。
顺带一提，连《代码整洁之道》的作者Bob Martin，据近期访谈的转载说法，自己也不逐行review AI写的代码就敢merge了。教所有人整洁代码的人放弃了人肉全审——这本身就说明旧的"逐行审查"模式在AI代码量下已经不成立。知乎
三、把账分开，结论就没那么吵了
两派其实都对了一半，因为他们审的不是同一层东西。混合架构那篇文章里有个说法很值得抄进你的团队规范：规则层的输出是"事实级"问题（这里确实会NPE），模型层的输出是"判断级"意见（这个设计在并发场景下可能出问题），两者置信度语义不同，该分账——规则层当硬指标做合并门禁，模型层当参考项跳过不追责。 把模型意见当最终裁决是危险的，"独立验证"只是降低而非消除误报。知乎
还有一条必须写在热闹外面的冷水：审查自动化替代不了设计评审。AI能看出"这段代码有并发问题"，看不出"这个模块根本不该存在"。警惕指标异化——当AI审查成了门禁，团队会为了"让工具闭嘴"写出迎合规则集的代码。
至于"AI写的代码质量到底有没有变差"，目前没有干净的数据能下强结论。能确认的只有间接信号：知乎回答里转述Google高管皮查伊的说法，公司超四分之一的新代码由AI生成，而部分质量指标同步恶化——转述证据，听听就好，但方向和社区体感一致。知乎
四、按你现在的项目状态，对号入座
个人一次性工具/玩具项目：标准可以大幅放松。跑通就合，坏了让AI修，接受"改不动就重写"——只要你不靠它吃饭，负债计息也无所谓。唯一建议保留的动作：让AI把"为什么这么设计"存进一个md，下次回来的你不会想考古。
维护存量项目的在职开发：合并前只留一条自检线——合上编辑器，能不能用大白话把这段代码讲一遍？讲得出来就合，讲不出来就别合。这个动作花不了三分钟，对应的是后面三到五倍的排查成本。配套三件小事：AI一梭子给你五百行时忍住别整段合，拆成能单独跑通的小步提交（出事能二分定位）；注释不写"循环遍历列表"这种AI写得比谁都勤快的废话，写"用轮询不用推送是因为对方接口不支持回调"这种带时间地点的"为什么"；出bug别直接说"这里报错了帮我修"，它大概率给你套个try catch把问题盖住，两周后换个地方爆。正确顺序是最小复现→让AI当解释器（问它"什么输入会走到第37行"）→你下判断→指挥它改。它解释代码的能力比修代码的能力强，因为解释有标准答案，修需要上下文。
招人/接外包的一方：那位带团队的回答者提的评估方向值得抄——别拿TDD、SDD那套AI能批量生成的文档当验收，去问提交的人"这个bug什么原因、这个功能能不能做"，一问三不知还要跑去问AI的，代码写得再快也别收。他的原话是：如果我是甲方，我绝不会给这种人付钱。
五、值得继续盯的三个信号
审查工具的门禁化速度。open-code-review这类项目如果接下来被大规模接进CI/CD，“PR挂两天等人看"会被压缩成"1分钟内规则层拦截基础问题”，资深人力的审查重点会被迫上移到架构和业务合理性——这个迁移对你岗位价值的重定价，比"AI会不会替代程序员"实在得多。
代码数据出本地的边界。9月29日知乎刚有文章在讨论智谱AI编程工具的数据上传问题。讨论的实质是：AI审查要仓库级上下文，意味着代码要离开本地环境，自托管能力会成了一类工具竞争焦点。公司有合规红线的人，选型前先过这一关。知乎
考核口径的变化。当"写"的边际成本趋近零，稀缺的是判断"这段代码能不能上线"的人。有回答猜三年内一部分公司的面试会从手写算法改成"给你一段AI生成的代码，找出里面的坑"——不用等三年，这个能力你现在每周留一点时间纯手写、啃开源issue就能练，自动挡开久了，偶尔摸摸手动挡不亏。
最后回到那句被转得最多的话收尾：代码可以由AI写，但为你代码负责的账单，三个月后总会寄到。区别只在于，你是用"讲得出来大白话"三分钟付清，还是连本带利分期还。
你们团队的review现在是变快了还是变慢了？评论区报个岗位和项目年限，我想知道压力到底给到了谁。
