“Verification Debt”：为什么 AI 编码写起来更快，但审查更困难

Source: Dev.to

概览

我们已经正式跨过了一个阈值：AI（Claude、Cursor、Copilot）写的代码比我们多了。但随之而来的是一个巨大的隐藏成本：验证债务。

生成速度已经超出了验证准确性。虽然我们可以在几秒钟内通过提示让一个功能出现，但审查这些代码中细微的逻辑错误——尤其是跨文件的依赖——正变成一项全职工作。

问题

AI 的 bug 往往是“自信地错误”。乍一看它们看起来是正确的，但：

• 它们可能会导致离得三层目录之外的服务崩溃。
• 它们经常遗漏业务逻辑中的边缘情况。
• 审查 AI 的 PR 可能需要比审查人工代码更多的工作量，因为你不能假设“意图”。

讨论

我想了解其他团队在 AI 输出增多的情况下是如何扩展质量控制的：

• 你们如何在简单的 diff 审查之外验证 AI 代码？
• 你们信任 AI 自己编写单元测试吗？（这是否像盲人领盲人？）
• 你们是否发现了在审查时能够真正理解整个代码库上下文的工具？