AI 生成的代码并不可靠

一位 100% 依赖 AI 生成代码的资深开发者认为 AI 生成的代码库无法满足高可用、高扩展性 SaaS 应用的需求。原因包括：AI 写的测试过于简单，无法覆盖真正重要的使用场景；AI 写的代码过于复杂，经常引入两三个辅助方法，实际上一个就够了，这种复杂性增加了理解代码或进行调试的难度…

核心信息

• 一位 100% 依赖 AI 生成代码的资深开发者认为 AI 生成的代码库无法满足高可用、高扩展性 SaaS 应用的需求。
• 原因包括：AI 写的测试过于简单，无法覆盖真正重要的使用场景
• AI 写的代码过于复杂，经常引入两三个辅助方法，实际上一个就够了，这种复杂性增加了理解代码或进行调试的难度
• 人类程序员难以理解 AI 生成的代码库，一家企业依赖 AI 生成代码库的时间越长，真正理解代码库的程序员就越少

这对做企业的意味着什么

模型能力每几个月就上一台阶，但企业内部的流程一年都未必改一次。所以不要为了追新模型去重构系统，把模型调用做成可替换的一层接口，换模型时只改一个配置项，这才是长期省钱的架构。

把大模型接进业务系统，难点从来不是调接口，而是三件事：数据要不要出内网、回答错了谁负责、成本怎么核算。这三点想清楚再动手，比先选模型重要得多。私有化部署能解决第一点，人工复核流程解决第二点，按调用量做预算上限解决第三点。

落地建议

源码交付是我们的默认做法。你拿到的不只是能跑的程序，还包括数据库结构、部署文档和一份「怎么改」的说明，这样以后换人维护不用从零猜。

信息来源：Solidot，查看原文。本文由志权软件工作室摘要整理并附行业分析。