Как вы проверяете AI-сгенерированный код, чтобы не доверять ему вслепую?

Question

Accepted Answer

AI-сгенерированный код — это **черновик от уверенного, но несовершенного автора**. Он часто выглядит корректно и компилируется, но скрывает тонкие ошибки, придуманные API или уязвимости безопасности. Дисциплинированная проверка сохраняет скорость без риска.

## Чек-лист проверки

- **Читайте каждую строку.** Если вы просматриваете поверхностно, вы отправляете в production баги, которые потом не сможете объяснить. Без исключений.
- **Убедитесь, что код решает реальную проблему** — а не похожую. AI оптимизирует для правдоподобности, не для корректности.
- **Запустите тесты и линтер.** Добавьте тесты для важных вам случаев; не доверяйте вслепую и собственным тестам AI.
- **Проверьте граничные случаи** — пустой ввод, null-значения, большие значения, конкурентность, граничные условия.
- **Проверьте безопасность** — SQL/command injection, unsanitized input, secrets в коде, unsafe deserialization.
- **Проверьте производительность** — случайные циклы O(n²), N+1 queries, unbounded memory.
- **Подтвердите наличие API** — AI галлюцинирует имена методов и функции библиотек, которые выглядят реальными.
- **Никогда не вставляйте код, который вы не понимаете.** Если вы не можете его объяснить, вы не сможете его поддерживать или отлаживать.

## Практический процесс

```text
1. Read the diff fully  →  do I understand every line?
2. Does it solve the real problem, including edge cases?
3. Run: tests + linter + type checker
4. Scan for security + performance red flags
5. Only then: commit (with a message that reflects what it really does)
```

Третируйте AI как опытного младшего разработчика: полезного, продуктивного, но чьи результаты вы всегда проверяете перед тем, как они попадают в production. Ответственность за отправленный код остаётся за вами, а не за моделью.

## Почему это важно

Опасность AI-кода не в том, что он очевидно сломан — а в том, что он *правдоподобно* сломан, проходя поверхностный взгляд, при этом скрывая баг или уязвимость. Проверка каждой строки, запуск тестов и отказ отправлять код, который вы не понимаете — вот что отличает использование AI как multiplicator от беззаботного накопления технического долга и risk по безопасности, который вы не можете контролировать.