一个满 100 减 10 的促销逻辑，AI 给出的代码对 99 元商品也打了九折 — 这段代码能跑、能输出数字，但结果是错的。这是掘金本周一篇技术文章反复强调的事：我们注意到，「能运行的 AI 代码」和「能交付的代码」，从来不是一回事。

这是什么

这篇面向编程新手的文章，把 AI 代码的验收拆成 5 个维度：语法正确（能跑）、逻辑正确（满足需求）、能处理异常（边界情况）、符合项目技术栈（项目所使用的技术组合，如前端框架、后端语言等）和代码规范、经过人工验证。

用满减促销的例子，作者说明一个常见误判：开发者看到 AI 一次就给出可执行代码，就默认它理解了自己的需求。但「帮我写个登录功能」「帮我写个满减逻辑」这类省略条件的提问，AI 只会按最常见的情况猜。

作者进一步指出新手最容易踩的几类坑：参数为空、类型不对、字段缺失、边界值异常；以及更隐蔽的一类 — AI 推荐的依赖可能根本不存在，写法可能用了已废弃的 API（应用程序编程接口），敏感场景下的处理还可能留下安全漏洞。

行业怎么看

支持方认为，这类文章把「AI 编程」的讨论从「能不能写」拉到了「写得好不好」。企业落地 AI 编程工具时，被反复卡住的往往不是生成环节，而是验收环节 — 这正是文章值得被关心的地方。

但也有反对意见。资深工程师认为，对新手讲「不能直接用 AI 代码」没问题，但对熟手来说方向反了。重点不是「要不要验证」，而是「如何把验证自动化」。在他们眼里，把 AI 工具当成「参考书」而不是「协作者」，效率反而被压低。

另一个被忽略的风险是安全。文章举例：把用户输入直接拼接到网页的 innerHTML（一种把字符串按 HTML 渲染的方法）中能正常显示内容，但会留下 XSS（跨站脚本攻击）漏洞。AI 不会主动提醒这些，必须靠人把关。

对普通人的影响

对企业 IT：代码审查（人工 review）的工时占比会上升，尤其是涉及支付、权限、用户信息的敏感模块。AI 把「写」的成本压下来，「审」的成本被顶了上去。

对个人职场：程序员的工作重心可能从「产出代码量」转向「界定需求 + 验收结果」。换句话说，会描述问题、能识别错误的人，比单纯会写代码的人更值钱。

对消费市场：短期内用户拿到的软件可能更新更慢，因为团队在 AI 生成和上线之间多了一道验收；但验证流程跑通后，最终产品的稳定性反而可能提升。