AI生成代码如何重构开发流程

原稿说有团队因为 AI 代码导致服务崩溃和数据泄露，又不肯说是哪家、什么代码、哪份事故报告。这种「听说有案例，细节没公开」等于没有案例，删掉。

AI 进入开发流程以后，真正变化的不是代码需不需要审，而是谁先写出第一版。以前人从空文件开始，现在模型先铺一版，人负责判断哪些能留。

这会让代码审查更重要，不是更轻。审查者至少要知道需求是什么、改了哪些文件、用了什么依赖、测试覆盖了什么。只看最终代码像不像样，很容易漏掉模型顺手扩大范围、调用废弃接口或者改坏边界条件。

我不赞成给每一行 AI 代码打标签。代码经过人修改几轮以后，标签很快失去意义，也不能替代责任。更有用的是保留任务说明、变更 diff、测试结果和审查记录。出了问题，能沿着这些东西查回去。

流程可以很简单：先让 AI 给计划；确认范围后再改；改完运行测试和静态检查；高风险模块由人复核；生产变更保留回滚办法。项目越小，可以越轻；权限、支付、医疗和数据删除之类的代码，不能靠「它看起来能跑」验收。

AI 生成代码不需要一套神秘的新软件工程。它只是把产出速度拉快了，原来的测试、审查和权限边界要跟着加速，不能在后面骑自行车追。