AI 代码审查清单：五层过滤

一句话定义

AI 代码审查清单是五层过滤网——正确性、安全性、一致性、可维护性、测试性——每层一组可勾选检查项，专门拦截 AI 产出中「编译通过、测试全绿、但仍然是错的」的内容。

为什么重要

AI 代码的外观质量（格式、命名、注释）往往高于人类新手，这会造成「看起来专业」的错觉，让人放松到比审人写代码更松的标准。而 AI 的高发缺陷恰恰藏在清单覆盖的地方：看起来正确的边界处理、被省略的错误分支、第二套编码风格、幽灵依赖。清单的价值是把「凭手感审查」变成「逐层过网」，并把审查标准团队化——所有人对「合格」的定义一致。

前置知识

kp-013（Diff 审查工作流——本清单是流程中第 5 步「清单放行」的具体内容）。

核心概念

第一层 · 正确性：边界值（空/零/单元素/最大值）；错误分支是否实现还是被静默吞掉；并发与幂等（AI 最易忽略）；数据类型与精度（分/元、时区、编码）。

第二层 · 安全性：注入风险（拼接 SQL/命令/路径）；对外部输入的校验；新增依赖是否核验过（kp-022）；硬编码的密钥或敏感值（kp-024）。

第三层 · 一致性：是否复用了仓库已有的工具函数（AI 爱重造轮子）；错误处理风格、命名风格是否与仓库一致；是否引入第二套抽象/框架。

第四层 · 可维护性：过度防御（无意义的 try/except 层层包裹）；死代码与残留调试输出；抽象层级是否恰当（不为炫技引入间接层）；注释说的是「为什么」还是复述代码。

第五层 · 测试性：新行为是否对应新测试；测试是否独立（不依赖顺序与外部状态）；断言强度（对照 kp-012 弱断言清单）。

原理与机制

清单按「AI 缺陷分布」定制与传统评审的关键差异：人类评审的重心常在可读性与设计，而 AI 代码的外观可读性普遍不错，重心必须移到「语义正确性与一致性」——这些恰是概率生成最容易失守、又最难被编译器和测试自动捕获的区域。五层的顺序也有讲究：正确性与安全性是放行前提（一票否决），一致性与可维护性影响长期成本，测试性闭环验证。每层检查项都设计成「可观察」的（看 diff 能判断），避免「设计是否优雅」这类无法收敛的主观项。

实例或案例

操作步骤（10 分钟 AI diff 审查节奏）：

1. 通读 diff 一遍建立全貌（2 分钟），不逐行。
2. 第一、二层逐项过（4 分钟）——这层不过直接打回，无需继续。
3. 第三层：对每个新工具函数问一句「仓库里已有吗」；对风格漂移点做标记。
4. 第四层：找出所有 try/except 与注释，判断是否过度防御/复述式注释。
5. 第五层：核对测试映射（行为→用例），抽 1 个用例读断言强度。
6. 结论：放行 / 带问题放行（列出整改项）/ 打回。

审查意见模板（对 AI 或对同事）：

[正确性] order.py:92 —— amount_cents 为 0 时的分支缺失，规格 3.4 要求全额退款路径。
[一致性] utils.py 新增的 format_currency 与 src/format.py 已有实现重复，建议复用。
[测试性] test_export.py:18 断言仅检查返回非空，请改为逐字段断言。

排错清单：

• 看着对但说不出为什么对 → 回到规格，让 diff 与条目逐条对映射，映射不出的打回。
• 清单走过场（每层都秒过） → 说明你在被「外观质量」催眠；强制每层至少找出一个提问。
• 同类问题反复出现 → 把它升级进 kp-006 规则文件的禁区，从生成端拦截。

公式或模型

本节不适用：清单执行质量无量化公式；团队可跟踪「评审拦效率故率」观察清单有效性。

图示

diff ──▶ ①正确性 ──▶ ②安全性 ──▶ ③一致性 ──▶ ④可维护性 ──▶ ⑤测试性 ──▶ 放行
            └────── ①② 一票否决；③④⑤ 问题可整改 ──────┘

直观类比

像食品出厂的五道检验关：外观再好也要逐关过——菌落（正确性）、毒素（安全）、配方标准（一致性）、包装工艺（可维护性）、留样复检（测试性），跳任何一关都是赌运气。

常见误区

• 被「专业外观」降低警惕：AI 代码要按高于人类新手的清单标准审，而不是更低。
• 清单当形式：每层「至少提出一个问题」是防止走过场的硬规则。
• 只审新增不审删除：AI diff 里被删除的校验与测试同样是风险点。

与其他知识点的关系

kp-013 提供流程与节奏，本节提供检查内容；kp-022/024/025 分别展开第二层的依赖、密钥与高频错误模式。

自测题

要点：正确性、安全性、一致性、可维护性、测试性；正确性与安全性一票否决。

要点：概率生成最易在语义与仓库惯例上失守，而其外观可读性常造成虚假的安全感。

1. 五层过滤是什么？哪两层一票否决？
2. 为什么 AI 代码的审查重心要移向语义正确性与一致性？

延伸阅读

《Code Complete（第2版）》Steve McConnell——评审检查单方法的经典出处。