大家好，我是陈哥。

前几天，我看了一个“The Future of Coding is Here”的分享会视频，大概内容是讲如何完全依靠AI来生成代码。

视频中，有一位程序员提出了质疑：“如果说你不进行任何打开代码筛查的动作，我觉得这样的代码上线都是不负责任的，不仅不负责，而且是没办法去用的。”

这番话其实点明了当下AI编程的边界。在AI Coding时代，AI只是一个辅助开发的提速工具，一套系统后续长久的 迭代与维护，最终还是要依靠程序员把控。

## 一、企业构建适配AI编码的研发流程
随着AI被训练得越来越成熟，越来越多的人开始用AI辅助编程。2025年，Fastly对791名开发人员进行调研后发现，32%的资深开发人员所交付的代码，有超过一半是AI生成的。

但AI在生成代码方面存在着天然短板。它确实能快速搭建框架，但在业务逻辑、安全防护、边界异常等方面存在缺陷。如图所示，AI显然造成了更多的技术债务。

![ai-coding-1.png](https://developer.qcloudimg.com/http-save/yehe-7685269/305c162a8aac6d8a0d78fef3164a9961.png)

这就意味着企业要更加重视代码审查。正如Graphite工程师Greg Foster所说：“如果上线的代码没有经过任何工程师的审查，那么企业将背负着极高的运营风险。”

《Engineering in the Age of AI: 2026 Benchmark Report 》数据显示，伴随AI工具的普及，每位作者提交的PR数量同比增长了20%，但质量却受到了影响，每个PR的事故增加了23.5%，变更失败率也上升了30%。

代码产出效率确实提升了，但人工校验的节奏却远远跟不上产出速度，这就让代码审查直接成为项目迭代的核心瓶颈。

我们在整顿研发流程时，发布的《研发流程规范3.0》中就已经提出了提交限制：单次commit修改行数是50；单次push行数是200。

所以，面对AI编码的普及，企业更应该做出改变，主动重构原有研发流程，尝试推行增量拆分开发规范：将AI一次性生成的大块代码，拆解为多个体量小巧、功能独立的提交记录，从而降低单次审查的压力。

同时，还可以配套多层自动化校验工具，减轻人工审查负担：
- 临时LLM检查：在提交前将差异粘贴到Claude、GPT等中进行快速错误扫描；
- IDE集成：使用Cursor、Claude Code等工具在编码过程中提供内联建议和重构；
- 自动化测试循环：使用AI生成和运行测试，设置覆盖率门槛；
- 多模型审查：通过不同的LLM运行代码以发现偏差。

## 二、企业必须对AI代码进行人工审查
流程改造只是第一步。在多人协作的企业环境中，代码错误造成的修复成本更高，周期也会更长，所以一定是人来最终决定代码，任务场景都不能完全放权给AI。

#### 01 安全合规
安全问题在人工审查时的优先级是第一。 《 Gen AI Code Security Report》显示，45%由AI生成的代码都存在安全隐患。

除了代码问题，很多AI编程工具和集成IDE还衍生出一些新的问题，比如提示注入、数据泄露、RCE漏洞等。对此，安全合规相关判定是不能交由AI独立完成，需要由人去判定。

举个例子，如果代码涉及身份验证、支付、密钥等，代码在合并前必须由人工进行完整的审查。

#### 02 知识传递
企业代码审查不只是纠错环节，更是团队成员同步系统设计、业务上下文、历史迭代逻辑的方式。如果这段代码完全由AI编写，那么开发人员很难去解释它的实现逻辑，一旦线上后发生故障，排查成本就会大幅飙升。

开源项目OCaml之前曾拒绝过一个13，000行AI生成的PR，这恰恰说明了这个问题。

代码本身未必存在严重Bug，但一次性提交这么大规模的改动，本身就会耗尽团队审核精力，更何况AI生成代码的审查难度远高于人工代码。

IBM有条准则：计算机永远无法被问责。

谨记， 无论AI贡献了多少代码，都必须由人来承担责任。

![ai-coding-2.png](https://developer.qcloudimg.com/http-save/yehe-7685269/d292a0359a8f34a10c8377d86a6393e1.png)

## 三、企业在制定AI代码审查可遵循的原则
明确人工审查的必要性后，企业可以制定一套适合自身的AI代码审查标准，我总结出四条可直接落地使用的规范：

#### 01 硬性抬高测试准入标准
企业想要最大化发挥AI编码工具的价值，就一定要搭建完善的测试体系。利用AI批量生成各类场景的测试用例，设置测试覆盖率门槛，通过自动化测试提前拦截AI代码潜藏的Bug。

#### 02 拒绝主观判断
所有AI生成的代码提交前，必须进行单元测试，同步附上完整的测试日志。没有完成测试或者无法验证功能有效性的PR，直接驳回。

#### 03  AI只是初审工具
不少团队会借助AI工具进行代码审查，但AI审查输出的所有问题仅能作为参考意见，最终的风险把控必须由人工完成。

#### 04 人工审查聚焦AI盲区
简单通用的代码可以交由AI处理，人工要重点关注AI容易出错的盲区，如变更是否会引入安全漏洞、是否重复了现有代码、方法是否可维护等。

![ai-coding-3.jpg](https://developer.qcloudimg.com/http-save/yehe-7685269/ffeea02f28b90454f6884ad9023bab4a.jpg)

## 四、AI Coding时代要以人为本
AI编程重构了企业研发工作流，也让人工代码审查的价值被重新放大。

现在的代码审查不再只是关注代码本身，更要关注开发者与AI协同过程中的业务匹配度。

长期来看，企业要持续完善AI研发体系。无论技术如何进步，核心原则是不变：代码审查确保软件满足安全和可维护。

最后，再回到文章开头的事情，我想说：

AI确实让很多不懂代码的人也能写代码，但做什么事情都要对行业抱有敬畏之心，不要自以为干什么都可以零基础上手。

* 参考资料：Medium《AI写代码更快，但你的工作仍是证明它能用》

前几天，我看了一个“The Future of Coding is Here”的分享会视频，大概内容是讲如何完全依靠AI来生成代码。

AI Coding时代仍要以人为本

AI确实让很多不懂代码的人也能写代码，但做什么事情都要对行业抱有敬畏之心

人工智能

开发工具

职业发展

AI编程时代下，企业需重构研发流程应对AI代码审查挑战。数据显示AI生成代码存在45%安全隐患，技术债务增加23.5%。建议采用增量拆分开发、多层自动化校验，但核心审查必须由人工把控安全合规、业务逻辑等关键环节。AI仅是辅助工具，最终责任仍需程序员承担。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

AI Coding时代仍要以人为本-腾讯云开发者社区-腾讯云

AI Coding时代仍要以人为本

AI Coding时代仍要以人为本

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐