用 AI 写的代码,最终会不会让整个项目成为屎山?
AI 写的代码本身不会必然把项目变成“屎山”,但它会放大团队原有的工程习惯:如果只追求生成速度、不理解代码就合并,风险确实更高。模型通常按当前提示和局部上下文给出看似合理的实现,却未必掌握项目的隐含约定、历史兼容要求和跨模块影响;重复封装、边界条件遗漏、依赖不一致以及缺少测试,都会在持续叠加后增加维护成本。
关键不在于代码由谁敲出来,而在于是否有人对结果负责。把 AI 当作需要审查的协作者:提供明确的约束和相关上下文;让改动保持小而可读;检查数据校验、异常处理、权限边界和依赖变更;运行项目已有的测试、静态检查和格式化;对重要逻辑补上能表达预期行为的测试。遇到不理解的实现,应先要求解释或改成团队熟悉的简单写法,而不是直接合并。
AI 也能帮助治理既有复杂度,例如梳理调用关系、补测试、解释旧模块或提出重构草案,但自动生成的重构同样需要逐步验证。可以用缺陷率、回滚频率、评审耗时和变更后的维护难度观察效果,而不要只看产出的代码行数。小范围试用并保留人工评审,通常比一味禁止或无条件接受更稳妥。