这篇我想按“排查记录”来写，主题是 AI 生成的代码为什么还要认真 Review。这种写法比纯概念文更适合我自己回看。

现象先别急着解释

AI 能快速产出代码，但不能替我承担设计、边界和上线责任。

先把现象钉住，比急着下结论有用。很多时候真正的关键不是“答案是什么”，而是“我是怎么一步步排到这里的”。

我会先看哪几件事

  • 先看需求是否真的满足
  • 再看异常和并发边界
  • 最后跑测试和静态检查

带入一个排查场景

审查一段 AI 生成的 Controller 和 Service。

如果这是线上问题，我通常会先保留日志和上下文，再去缩小范围：是入参问题、状态问题、并发问题、数据库问题，还是调用链上的某一环超时了。

排查时能落地的片段

1
2
3
List<Document> chunks = splitter.split(document);
vectorStore.add(chunks);
List<Document> matched = vectorStore.similaritySearch(question);

我比较在意的是这段代码能不能帮我继续观察，而不是它看起来是否“完整”。

写给自己的复盘

  • 下次再遇到类似问题，先证据、后判断。
  • 能打印的关键日志别省。
  • 结论一定要能回到文档、代码或命令结果上。

参考资料