技术与工程已解决
AI 生成代码的评审清单
AI 写的代码能跑不等于能上线——安全、边界、性能、可维护性的评审清单。
问题正文
安全清单
输入校验（AI 常省略）、注入风险（SQL 与命令拼接）、密钥与敏感信息硬编码、权限检查缺失、依赖来源可信。
正确性清单
边界条件（空值、极大值、并发）、错误处理（异常被吞）、资源释放（连接与流）、与既有代码的风格一致性。
可维护性清单
命名与项目惯例一致、复杂度是否失控、是否重复造轮子（项目里已有工具函数）、测试覆盖是否充分。
AI 写的代码能跑不等于能上线——安全、边界、性能、可维护性的评审清单。
问题正文
输入校验（AI 常省略）、注入风险（SQL 与命令拼接）、密钥与敏感信息硬编码、权限检查缺失、依赖来源可信。
边界条件（空值、极大值、并发）、错误处理（异常被吞）、资源释放（连接与流）、与既有代码的风格一致性。
命名与项目惯例一致、复杂度是否失控、是否重复造轮子（项目里已有工具函数）、测试覆盖是否充分。
ANSWERS
回答内容
把 AI 代码当新人提交的 PR：风格可能不对、假设可能错误、测试可能遗漏。AI 写得快，但你审得不能松。
静态分析、安全扫描、测试覆盖率工具照常运行——AI 代码与人类代码过同一套质量门禁。
发现 AI 的系统性问题（总是忘记某个校验）应该沉淀为提示词或规则，让下一轮生成不再犯。评审的产出不只是通过的代码。