1. 当AI开始写代码审查这件事到底该怎么重新理解前阵子我在一个项目里用 Claude Code 把一整个模块的 CRUD 接口全部生成出来前后不到二十分钟包括参数校验、异常处理、日志埋点甚至连单元测试都给我补齐了。当时我盯着屏幕愣了几秒脑子里冒出来的第一个念头不是“真爽”而是——那我接下来要干什么逐行去读它写的每一行代码吗如果它写了八百行我一行一行看那省下来的时间不又还回去了这个问题我相信不止我一个人在想。AI 编程工具从最早的代码补全到现在的 Agent 模式已经能独立完成多文件修改、跨模块重构、甚至根据一句自然语言描述直接产出可运行的项目骨架。Claude Code、Codex 这类工具把“写代码”这件事的门槛拉到了前所未有的低点。但随之而来的一个现实问题是代码审查这个环节到底还要不要人来做如果要做做到什么颗粒度我先把结论放在这里逐行审查在 AI 编程时代不仅低效而且在很多场景下是一种自我安慰式的伪安全感。但这不代表审查可以取消而是审查的重心、方法和工具都需要彻底重构。这篇文章我会从实际项目出发把 AI 编程场景下的代码审查拆开讲清楚——哪些该看、哪些不该看、怎么看、用什么工具看、以及我踩过的那些坑。适合谁看如果你已经在用 Claude Code、Codex 或者其他 AI 编程工具写代码或者你是一个团队的技术负责人正在纠结要不要让团队全面接入 AI 编程再或者你只是好奇“AI 都写代码了程序员还剩下什么价值”这篇内容应该都能给你一些可以直接拿去用的思路。2. AI 编程工具到底把代码生产变成了什么样2.1 从补全到 Agent生产方式变了审查对象也变了早期的 AI 编程工具比如最早的 GitHub Copilot本质上是一个“超级自动补全”。你写一个函数签名它帮你补全函数体你写一个注释它帮你生成对应的代码片段。这个阶段AI 产出的代码是碎片化的每一段都在你的上下文里你天然知道它大概在干什么。但 Claude Code 这类 Agent 工具完全不一样。你给它一个任务描述它会自己去读项目结构、理解依赖关系、规划修改方案、然后批量执行文件创建和修改。它产出的不是一段代码而是一个变更集。这个变更集可能涉及十几个文件、几百行代码、多个模块之间的交互。这就带来一个根本性的变化你审查的对象从“代码片段”变成了“变更意图”。以前你看的是“这个函数写得对不对”现在你要看的是“它理解的需求对不对、它选的方案合不合理、它改的地方有没有遗漏或越界”。我举个例子。有一次我让 Claude Code 帮我给一个 Flask 项目加一个“用户积分过期自动清零”的功能。它确实写了定时任务、写了数据库更新逻辑、写了日志。但它在实现的时候把积分清零的时间判断放在了应用层而不是数据库层这意味着如果服务重启或者任务队列积压清零时间就会漂移。这个问题的代码本身写得没问题语法正确、逻辑自洽但方案选型有问题。如果你逐行审查代码你可能会觉得“嗯每行都对”但如果你审查的是方案意图你一眼就能看出问题。2.2 为什么逐行审查在 AI 场景下不再划算我算过一笔账。假设 Claude Code 帮你生成了 600 行代码你逐行审查平均每行花 10 秒包括理解上下文、检查边界条件、思考潜在问题那就是 6000 秒也就是 100 分钟。而 AI 生成这 600 行代码可能只用了 3 分钟。审查时间变成了生成时间的 30 倍以上。更关键的是逐行审查的边际收益递减非常明显。前 100 行你还能保持高度专注到第 300 行的时候你的大脑已经开始自动模式了到第 500 行的时候你基本上就是在“扫一眼觉得没问题就过”。这种状态下真正有问题的代码反而容易被漏掉。注意我不是说 AI 生成的代码不需要审查而是说审查的粒度和方式需要改变。逐行审查适合人类写的代码因为人类写代码时每一行都可能有微妙的意图和陷阱。但 AI 生成的代码问题往往不在单行而在整体结构、方案选型、边界条件覆盖这些层面。2.3 审查重心的转移从“行”到“面”那审查重心应该放在哪里我自己的实践总结下来是三个层面第一层是意图对齐。AI 有没有理解错你的需求它做的和你想要的是不是一回事这个层面不需要看代码看它生成的变更摘要、文件列表、关键函数签名就能判断。第二层是方案合理性。它选的实现方案在这个项目上下文里合不合适有没有更好的选择这个层面需要看关键路径的代码但不需要逐行看而是看核心逻辑的骨架。第三层是边界与异常。它有没有处理空值、并发、超时、回滚这些情况这个层面可以通过测试用例和静态分析工具来辅助不需要纯靠人眼。把这三层做好基本上能覆盖 AI 生成代码 90% 以上的风险。剩下的 10% 是什么是一些非常隐蔽的逻辑错误或者性能陷阱这些确实需要经验来判断但也不需要逐行审查而是通过针对性测试和运行时监控来发现。3. 我实际用的审查流程从 Claude Code 产出到合并入库3.1 第一步先看变更摘要不看代码Claude Code 在执行完任务后会输出一个变更摘要列出它修改了哪些文件、每个文件大概改了什么。我第一步永远是看这个摘要而不是直接打开代码。看摘要的时候我会问自己几个问题它改的文件范围对不对有没有改到不该改的地方它新增的文件是不是必要的有没有重复造轮子它有没有遗漏我提到的某个需求点这一步通常只需要一两分钟但能过滤掉大部分“方向性错误”。如果摘要看起来就不对那根本不需要看代码直接让它重做或者调整任务描述。3.2 第二步看关键路径的 diff跳过样板代码确认摘要没问题之后我会看 diff。但我不看全部 diff而是只看关键路径。什么是关键路径就是那些“如果错了会导致严重后果”的代码。比如数据库操作尤其是写操作和事务边界并发控制锁、队列、状态机外部接口调用超时、重试、降级权限校验和输入验证至于那些样板代码——getter/setter、简单的 DTO 转换、日志埋点、配置文件——我基本扫一眼就过。这些代码 AI 写得比人还规范出错概率极低不值得花时间逐行看。我一般会在 VS Code 里用 diff 视图把关键文件挑出来重点看。Claude Code 对 VS Code 的支持很好安装好插件之后可以直接在编辑器里看到它做的修改用起来很顺手。如果你在 Ubuntu 或者 Windows 上配置 Claude Code基本就是装 Node.js、装 CLI、配一下 API Key 的事网上教程很多这里不展开。3.3 第三步跑测试让机器去验证机器这是我认为最重要的一步。AI 生成的代码你让 AI 自己去写测试然后你跑测试。测试通过不代表没问题但测试不通过一定有问题。我通常会让 Claude Code 在生成功能代码的同时生成对应的单元测试和集成测试。然后我会额外补充几类测试边界测试空值、极值、超长字符串、特殊字符并发测试如果涉及并发用工具模拟多线程/多请求异常测试模拟外部服务超时、数据库连接失败这些测试跑一遍能发现大部分逻辑错误。而且这个过程是自动化的不需要我逐行看代码。实操心得让 AI 写测试的时候不要只说“写单元测试”要具体说“覆盖哪些边界条件、哪些异常场景”。否则它写的测试往往只覆盖 happy path测了等于没测。3.4 第四步静态分析兜底测试跑完之后我会跑一遍静态分析工具。Python 项目用 ruff mypyJavaScript/TypeScript 项目用 eslint tscGo 项目用 golangci-lint。这些工具能发现类型错误、未使用变量、潜在的空指针、不安全的类型转换等问题。AI 生成的代码在这些工具下通常表现不错但偶尔也会有漏网之鱼。比如有一次 Claude Code 生成了一个 TypeScript 函数类型标注写得很漂亮但实际上有一个隐式的 any 类型穿透tsc 直接报错了。这种问题人眼很难发现但工具一秒就查出来了。3.5 第五步运行时观察代码合并之后我会在 staging 环境跑一段时间观察日志、监控指标、错误率。AI 生成的代码有时候在单元测试里没问题但一到真实环境就暴露问题——比如数据库连接池不够、缓存穿透、序列化兼容性等。这一步不是“审查”但它是审查的延伸。在 AI 编程时代审查的边界应该从“合并前”延伸到“上线后”。因为你不可能在合并前发现所有问题但你可以通过监控快速发现和回滚。4. 那些我踩过的坑和总结出来的审查清单4.1 AI 代码审查中最容易漏掉的五类问题我把自己踩过的坑整理了一下AI 生成的代码最容易在以下五个地方出问题问题类型典型表现审查方法方案选型错误用应用层逻辑替代数据库约束、用轮询替代事件驱动看变更摘要和关键函数签名不看具体实现边界条件缺失没处理空数组、没处理除零、没处理超时让 AI 补边界测试跑测试看覆盖率并发安全问题共享状态没加锁、事务隔离级别不对重点看涉及共享资源的代码用并发测试验证依赖版本冲突引入了不兼容的库版本、重复引入功能重叠的库看 package.json / requirements.txt 的 diff性能陷阱N1 查询、循环内发请求、大对象频繁序列化看关键路径代码用性能测试验证这五类问题里方案选型错误是最难发现的因为它往往不表现为代码错误而是表现为“代码能跑但不对”。我遇到过好几次 Claude Code 把该放在数据库层做的约束放在了应用层代码本身没问题但业务上会出问题。4.2 一个真实的排查案例积分清零功能的时间漂移回到前面提到的积分清零功能。Claude Code 生成的代码大概长这样简化版# 应用层定时任务 def clear_expired_points(): now datetime.now() users User.query.filter(User.points_expire_at now).all() for user in users: user.points 0 user.points_expire_at None db.session.commit()这段代码逻辑上没问题跑测试也能过。但问题在于如果定时任务因为服务重启或者队列积压延迟了 2 小时执行那么在这 2 小时内用户的积分已经过期了但还能用。如果业务上要求“过期即刻失效”这个方案就是错的。正确的做法应该是在查询积分时动态判断是否过期或者在数据库层用触发器/物化视图来处理。这个问题的代码本身没有语法错误静态分析也查不出来只有理解业务语义才能发现。我当时的排查思路是先看变更摘要发现它把过期判断放在了定时任务里然后问自己“如果定时任务延迟会怎样”然后意识到业务上不允许延迟最后让它改成查询时动态判断。4.3 审查清单我每次合并 AI 代码前都会过一遍下面这个清单是我自己用的不一定适合所有项目但可以作为参考[ ] 变更摘要是否覆盖了所有需求点[ ] 有没有修改到无关文件[ ] 关键路径的 diff 是否合理[ ] 边界测试是否覆盖了空值、极值、异常[ ] 静态分析是否通过[ ] 有没有引入新的依赖版本是否兼容[ ] 并发场景是否考虑[ ] 回滚方案是否明确[ ] 日志和监控是否到位这个清单看起来有九项但实际操作下来熟练之后五分钟就能过一遍。比逐行审查 600 行代码快得多而且覆盖的风险面更广。5. 团队协作场景下AI 代码审查该怎么落地5.1 代码评审流程的调整如果你是团队的技术负责人想让团队用 AI 编程工具但又担心代码质量我的建议是调整代码评审流程而不是禁止 AI 生成代码。具体怎么做把评审拆成两个阶段第一阶段是“意图评审”在 AI 生成代码之前。让开发者把任务描述、预期方案、影响范围写清楚团队快速过一遍。这个阶段不需要看代码只需要确认方向对不对。第二阶段是“变更评审”在 AI 生成代码之后。评审人不需要逐行看代码而是按照我前面说的流程——看摘要、看关键路径、跑测试、跑静态分析——来验证。这样做的效果是评审人从“逐行读代码”变成了“验证方案和结果”效率提升非常明显。我自己的团队实测下来评审时间平均缩短了 60% 以上而且漏掉的 bug 反而更少了。5.2 用 AI 审查 AI多模型交叉验证还有一个技巧是用另一个 AI 来审查 AI 生成的代码。比如 Claude Code 生成的代码你可以让 Codex 或者另一个模型来 review反过来也行。具体操作很简单把 diff 贴给另一个模型让它从安全性、性能、边界条件三个角度审查。不同模型的训练数据和偏好不一样交叉验证能发现一些单一模型漏掉的问题。我试过几次效果还不错。有一次 Claude Code 生成的代码里有一个 SQL 注入风险它用了字符串拼接而不是参数化查询我自己看的时候没注意到但让另一个模型 review 的时候被指出来了。注意AI 审查 AI 只能作为辅助不能替代人工判断。尤其是涉及业务语义和架构决策的部分还是需要人来把关。5.3 建立团队内部的 AI 代码规范最后一点团队最好建立一套针对 AI 生成代码的规范。比如AI 生成的代码必须附带测试关键路径的代码必须人工审查涉及数据库 schema 变更的必须走 DBA 评审引入新依赖必须经过审批这些规范不需要很复杂但能让团队在使用 AI 编程工具的时候有一个统一的底线。6. 回到那个问题人还要不要把时间花在逐行审查上我的答案是不要把时间花在逐行审查上但要把时间花在更高层次的审查上。AI 编程工具把代码生产的效率提升了十倍甚至更多但代码审查的效率如果还停留在“逐行读”的水平那整个开发流程的瓶颈就从“写代码”转移到了“审代码”。这显然不是我们想要的结果。正确的做法是让机器去验证机器让人去验证意图。AI 生成的代码用测试、静态分析、运行时监控来验证人只需要关注方案选型、业务语义、架构决策这些机器搞不定的部分。我自己的实践下来这套方法能把审查时间压缩到原来的三分之一甚至更少同时代码质量反而更稳定。因为人不再被海量的样板代码消耗注意力而是把精力集中在真正需要判断力的地方。当然这套方法也不是万能的。如果你的项目对安全性要求极高或者涉及复杂的业务规则那该逐行看的地方还是得逐行看。但至少对于大部分日常业务开发来说逐行审查 AI 生成的代码性价比已经太低了。最后分享一个小技巧如果你不确定某段 AI 生成的代码要不要仔细看就问自己一个问题——“如果这段代码出错了后果是什么”如果后果是“页面显示有点丑”那就扫一眼过如果后果是“用户数据丢失”或者“资金算错”那就老老实实逐行看。审查的粒度应该由风险决定而不是由代码行数决定。