AI 编程的边界：哪些活该交给模型

一条判断标准

能不能快速验证。能验证的，交给 AI；不能验证的，自己写。

适合交给 AI 的

• 写样板代码：CRUD、表单校验、迁移文件
• 写测试用例
• 重构一个函数（有测试兜底）
• 解释不熟悉的报错

不适合的

• 涉及钱和权限的逻辑
• 没有测试覆盖的核心模块
• 并发与事务
• 「顺手优化一下」的性能改动

我的工作流

1. 先写失败的测试
2. 让模型补实现
3. 跑测试，失败就把报错贴回去
4. 全绿之后自己读一遍 diff

第 4 步不能省。模型会写出「能跑但没人敢维护」的代码。

一个数字

过去半年，AI 参与的提交约占 40%，但代码评审时间增加了 15%。总体还是赚的，前提是评审不糊弄。