考察点
这道题出自字节跳动智能体应用开发岗社招，是工程态度题也是工程能力题。面试官自己团队大概率就在大量使用 AI 编程，他想听的不是「AI 代码不可信」这种保守表态，也不是「效率翻倍」的吹捧，而是你有没有一套具体的、可执行的审查和兜底机制——AI 代码的坑长什么样你知不知道，出了线上事故责任怎么算。第二问 Vibe Coding 考的是你对这种模式的边界认知。
参考答案
AI 代码的典型坑：审查前先知道坑在哪
审查 AI 生成代码和审查人类代码的重点不一样。人类工程师常犯逻辑错误，AI 常犯的是这几类：
- 幻觉依赖：编造不存在的包名、API 方法、参数。模型把相似库的 API 张冠李戴，或者引用一个根本没人发布过的包——这已经衍生出真实的供应链攻击手法（注册幻觉包名投毒），import 列表必须逐个核实。
- 「看起来对」的实现：边界条件不处理（空数组、并发、时区）、错误处理用 try-except 一把吞、资源不释放。代码能跑通 happy path，评审不细根本看不出来。
- 安全隐患：拼接 SQL、把密钥硬编码进代码、输入不校验。模型学的是公开代码的平均水平，公开代码的平均安全水平并不高。
- 过度工程或复制粘贴味：引入不必要的抽象层和依赖，或者整段搬来许可证不兼容的代码，带来合规风险。
- 与代码库惯例脱节：项目自有的工具函数、错误码规范、日志规范它不知道，写的是「通用正确答案」而不是「这个项目的正确答案」。
合入前的审查机制
我的做法是三层防线：
第一层：提交前，约束生成过程。 便宜的质量在生成阶段解决：给 AI 提供项目上下文（代码规范文档、相关模块代码），要求它附带生成单测；prompt 里明确禁止事项（不许新增依赖未经确认、不许硬编码密钥）。用 Claude Code、Cursor 这类工具时，CLAUDE.md / rules 文件里写好项目约定，生成质量明显高一档。
第二层：CI 硬门槛，机器能查的不靠人。 静态扫描（SonarQube、Semgrep 查安全反模式）、依赖审计（license 扫描 + 漏洞扫描，幻觉包在这层现形）、密钥扫描、测试覆盖率门槛。AI 代码的 CI 标准应该比人写的更严，因为它的下限更低。
第三层：人工评审，重点移位。 评审 AI 代码时，reviewer 的注意力要从「逐行读逻辑」调整到：依赖清单是否真实且必要、边界与异常路径、测试是否真的断言了行为而不是摆设（AI 特别爱写不断言任何有效行为的「充气测试」）、以及提交者自己是否理解这段代码。最后一个直接问——评审时让提交者讲这段代码的关键逻辑，讲不清楚就打回。
责任边界：AI 没有责任，提交者全责
这一条必须在团队里明说：谁合入谁负责，AI 不是免责理由。线上事故的复盘对象永远是合入人，「代码是 AI 写的」不构成任何减刑。这条规则不立，AI 代码的评审必然流于形式——因为没人真正拥有它。相应的，提交信息里可以标注 AI 生成比例，一是方便事后统计 AI 代码的缺陷率（这个数据对调整流程很有价值），二是事故定位时多一个排查维度。
怎么看 Vibe Coding：分场景，别一刀切
Vibe Coding（只描述需求、不看代码、靠跑起来验收的模式）有它真实的价值区间：一次性脚本、原型验证、个人工具、Demo——这些场景代码寿命短、爆炸半径小，出问题大不了重来，效率收益远大于风险。
但它的适用边界同样清楚：任何要长期维护、多人协作、承载线上流量的代码都不适用。原因很朴素：维护的前提是有个活人理解这段代码。Vibe Coding 产出的代码库没有「作者」——没有人真正懂它，三个月后改需求就是灾难的开始，你以为省了写代码的时间，其实在透支未来十倍的理解成本。团队协作场景里它还有传染性问题：没人懂的代码越积越多，整个库的可维护性塌方。
所以我的态度是：Vibe Coding 是工具箱里的一件工具，用在探索期快速试错完全正当；进入工程化阶段就切换模式——AI 辅助生成、人深度评审、测试兜底，人对每一行合入的代码保持理解和责任。一个团队的危险不在于用 Vibe Coding，而在于分不清自己当前处于哪个阶段。
可能的追问
- AI 写的测试不可信怎么办？ 答：要求测试覆盖边界和异常路径而不只是 happy path；评审时抽查断言是否有效；有条件的话上变异测试（mutation testing）——故意改坏实现看测试是否报错，抓「充气测试」最有效。
- 怎么量化 AI 编程的真实收益？ 答：别只看生成速度，看端到端指标：需求交付周期、AI 代码的缺陷率和返工率、评审耗时。很多团队发现生成省的时间在评审和修 bug 上还回去了，数据说话再调整流程。
- 幻觉依赖怎么系统性地防？ 答：锁定依赖版本清单，AI 新增依赖必须存在于私有源且经过漏洞/license 扫描；CI 里对 import 做白名单校验；生成 prompt 里附上项目现有依赖列表，从源头减少编造。
- 新人过度依赖 AI 编程怎么看？ 答：新人阶段用 AI 跳过基本功训练，欠的债会在排查复杂问题时集中爆发。团队上可以做分层要求：核心模块的 bug 修复和线上问题排查不允许纯 AI 代劳，保持人读代码、调代码的手感。