AI Coding 实践指南

Appearance

代码质量保障：总览 ​

"AI 写的代码也是代码，必须经过质量关。"

核心观点 ​

AI Coding 不等于跳过质量保障。相反，因为 AI 代码的"平均水平高但方差大"，质量保障比以往更重要。

AI 生成的代码
       ↓
质量关卡 1：自动检查（lint / typecheck / test）
       ↓
质量关卡 2：人工审查（Code Review）
       ↓
质量关卡 3：运行时验证（E2E / 手动测试）
       ↓
才能进生产

质量保障的 4 大支柱 ​

支柱作用工具
Code Review人工审查 AI 代码GitHub / GitLab / Cursor
测试策略自动化验证Vitest / Testing Library / Playwright
静态检查自动化质量门ESLint / TypeScript / Prettier
调试排错运行时问题定位Chrome DevTools / AI 辅助

AI 时代质量保障的特殊挑战 ​

1. "看起来对"的代码 ​

typescript
// AI 生成的代码
function calculateDiscount(price: number, userType: string) {
  if (userType === 'vip') return price * 0.8
  if (userType === 'svip') return price * 0.6
  if (userType === 'employee') return price * 0.5
  // ... 看着没问题，但：
  // - 没处理 userType 为 null 的情况
  // - 'employee' 应该在 'vip' 之前吗？
  // - 没有常量，魔法数字 0.8、0.6、0.5
}

人工审查才能发现这类问题。

2. "AI 味"的代码 ​

AI 倾向于生成"教科书式"代码，缺乏业务"行话"：

typescript
// AI 风格
function handleUserAction(action: UserAction) {
  // ...一堆 handle、process、manage
}

// 业务风格
function 升级VIP(userId: string) {
  // 业务逻辑一眼能看懂
}

3. "幻觉"导致的 Bug ​

typescript
// AI 可能写出"幻觉 API"
import { something } from 'some-nonexistent-package'

4. 测试覆盖不足 ​

AI 可能跳过边界情况：

typescript
// AI 写的测试
test('renders', () => {
  render(<UserCard user={mockUser} />)
  expect(screen.getByText('Alice')).toBeInTheDocument()
})

// 缺少：
// - 空数据
// - 加载态
// - 错误态
// - 边界值

质量保障的 ROI ​

以下数据为经验估算，具体效果因项目而异。

投入产出
配置 ESLint + Prettier风格统一，问题减少 30%
配置 TypeScript 严格模式类型错误减少 80%
编写单元测试Bug 减少 50%+
建立 Review 流程知识共享，问题早发现
AI 辅助调试排错时间减少 50%

本章导览 ​

章节核心内容
Code Review 工作流如何审查 AI 生成的代码
测试策略单元测试、组件测试、E2E 测试
静态检查体系Lint、TypeCheck、Prettier
调试与排错AI 辅助的系统化排查

质量保障的"零信任"原则 ​

对 AI 生成的代码要默认不信，逐步建立信任：

第一次：完全人工审查
   ↓
通过 3 次后：相信基础逻辑
   ↓
通过 10 次后：相信常见模式
   ↓
始终审查：架构决策、安全敏感、复杂业务

质量门禁的 CI 流程 ​

yaml

# .github/workflows/ci.yml
name: CI

on: [push, pull_request]

jobs:
  quality:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: actions/setup-node@v4
        with:
          node-version: 20
      - run: pnpm install

# 关卡 1：类型检查
      - run: pnpm typecheck

# 关卡 2：Lint
      - run: pnpm lint

# 关卡 3：单元测试
      - run: pnpm test --coverage

# 关卡 4：构建
      - run: pnpm build

# 关卡 5：E2E（可选）
      - run: pnpm test:e2e

任何关卡失败，PR 不能合并。

AI Coding 的质量红线 ​

以下情况必须人工审查，无论 AI 多么自信：

  • 认证 / 权限相关代码
  • 支付 / 财务相关代码
  • 数据删除 / 不可逆操作
  • 修改 package.json / 依赖
  • 修改 CI / 部署配置
  • 修改 .env / 密钥相关

总结 ​

质量保障不是额外负担，而是AI Coding 的护栏。

越是依赖 AI，越要严格把关。

下一节：Code Review 工作流