理解与校验 AI 的回复
理解与校验 AI 的回复
AI 给出的代码不等于“可上线”。学会阅读、质疑、校验，才能真正让 AI 成为可靠的搭档。
先读结构再看细节
- 关注函数签名、依赖、边界处理，先判断是否契合当前项目。
- 标记不确定的地方（类型、接口、异常处理），准备追问。
让 AI 自检
请检查你生成的代码可能失败的场景，列出 3 个潜在问题并给出修复建议。
如果存在性能隐患或未处理的异常，请一并指出。
把“质检”交还给 AI，可以快速发现遗漏点。
要它写用例
为上面的函数写 4 个单元测试，覆盖空输入、重复输入、非法输入、正常路径。
使用项目里已有的测试框架（Jest/Vitest）。
让 AI 给出测试，有助于验证理解是否一致。
当回答含糊时
- 要求“重新给出逐行解释，并标注关键变量的含义”。
- 如果上下文不够，补充文件片段或接口定义，再让它修订代码。
- 让 AI 输出一步步的运行轨迹（输入 → 预期输出 → 真实输出），快速定位偏差。
练习
把上一章的“去重排序”函数回复拿出来，让 AI 写一组测试并解释时间复杂度；再让它评估是否有更简洁的实现，并说明取舍。
📚 相关资源
❓ 常见问题
关于本章主题最常被搜索的问题，点击展开答案
AI 给的代码到底要从哪里开始读？
先读结构再读细节：(1) 函数签名 —— 入参、返回值、type 是否符合项目约定；(2) 依赖 —— 有没有引入新包、有没有 import 错路径；(3) 边界处理 —— 空输入 / null / 异常分支怎么处理。这三点过关再读实现细节。先看实现等于一上来就被局部细节绑架，反而忽略掉"方向是不是错了"。
怎么让 AI 自己检查自己写的代码？
直接发指令："请检查你刚生成的代码可能失败的 3 个场景，列出问题并给出修复建议；如果有性能隐患或未处理的异常，一并指出。"AI 对自己输出的反思能力比我们想得高，能找出 60-70% 的明显遗漏。这一步几乎零成本，比你自己一行行盯有效得多 —— 把"质检"环节再交回 AI 一次。
为什么让 AI 写测试是验证理解一致性的好办法？
因为测试是"AI 怎么理解你的需求"的可执行版本。例：让它为 dedup 函数写 4 条用例 —— 空输入、重复输入、非法输入、正常路径，用项目里已有的 Jest/Vitest。如果 AI 写的测试和你脑子里的预期对不上，说明 prompt 没传达清楚需求，比看实现代码更早暴露分歧。
AI 回答含糊或绕弯时该怎么追问？
三个有效追问句式：(1)「请逐行解释，标注关键变量的含义」—— 强迫 AI 把每行讲清；(2)「输出运行轨迹：输入 → 预期输出 → 真实输出」—— 用具体数据替换抽象描述；(3) 补 file 片段或接口定义再让它修订 —— 含糊往往是 context 不够。三招按顺序试，比反复问"你确定吗"管用。
AI 说"这段代码可以工作"我应该信吗？
不能信。AI 没有运行环境，"可以工作"是模式匹配的判断，不是验证结果。规则：每段非平凡代码都必须真跑一次 —— 跑测试、跑 lint、手测关键路径，至少 3 选 1。"看着像对"和"真的对"在 AI 时代差距比以前更大，因为 AI 输出的代码语法层面很少出错，错往往藏在边界和集成处。