你什么时候应该让AI从零开始写代码，相对于只是审查或重构现有代码？

Question

Accepted Answer

经验法则是：在错误代价低廉且明显的地方让AI**写**代码，在错误代价高昂或隐蔽的地方用它来**审查/重构**。决定性因素是验证输出需要付出多少代价。

## 何时让它从零开始写

- **绿地项目和样板代码** — 新的工具函数、配置文件、CRUD端点、正则表达式。没有隐藏的上下文会被破坏。
- **陌生的API/库** — AI了解你不熟悉的库的表面API，你可以对照文档验证。
- **一次性/原型代码** — 速度比完美度更重要。

在这些情况下，bug的代价很低，你可以从头到尾阅读结果。

## 何时仅用它来审查/重构

- **业务关键逻辑** — 计费、身份验证、金额计算。看起来合理但错误的答案很危险。
- **微妙的代码** — 并发、安全、充满边界情况的算法，"看起来对"不等于"确实对"。
- **大型现有系统** — AI看不到你的代码库所依赖的所有不变量，因此在其中生成代码存在沉默故障的风险。

在这里你让AI充当**第二双眼睛**：它建议，你决定。

```text
                 Cost of a bug LOW          Cost of a bug HIGH
New code          ✅ let AI write           ⚠️ AI drafts, you verify hard
Existing code     ✅ AI refactors           ✅ AI reviews, you write the change
```

## 权衡与风险

从零开始写很快，但AI可能会虚构API（**幻觉**）或遗漏看不到的上下文。审查更安全但更慢，且只取决于你提供的上下文质量。无论哪种方式，你都是**负责的作者** — AI是工具，不是提交的签署人。

## 为什么这很重要

误判这一点正是AI辅助开发出错的地方：人们让AI生成他们无法完全验证的关键逻辑，或者他们手写AI能在几秒内生成的微不足道的样板代码。将模式（**写**还是**审查/重构**）与**出错的代价**相匹配，能让你在便宜的东西上保持快速，在危险的东西上保持谨慎。测试的技能是关于在哪里投入验证工作的判断力 — 而不是你是否能提示AI。