DeepDojo.AI发布 2026-11-15English

AI 生成代码的四个检查等级

Claude CodeAI 编程

同一个批量重命名脚本,交给 Claude Code 写,十几行就够了。可它要处理的东西不同,你该检查的程度也完全不同。

一种情况是:个人视频已经有备份,脚本按主题和日期给它们改名。运行后抽查几个文件名,出了错从备份恢复,几分钟的事。

另一种情况是:共享盘里的原始实验数据没有备份,原文件名会被直接覆盖。这时就要先看 dry-run 清单,在副本上演练一遍,跑完再验证结果,并保存一份改名前后的映射表。

脚本还是那个脚本,差别在出错之后能不能恢复、影响到谁、结果要用多久。很多人检查 AI 写的代码时只有两档:要么跑通就算,要么逐行审到底。前一种在共享数据上会出事,后一种在一次性脚本上纯属浪费。

更实用的做法是先给任务定级,再按级别选检查深度:

  • 一次性实验和抛弃型原型,手工确认主要结果就够;
  • 小功能和个人工具,加上 Git、基础测试和文件级的理解;
  • 团队代码、支付、权限、迁移和隐私逻辑,要有自动测试、CI 和函数级的理解,关键部分接近逐行审查。

拿不准的技术选择,先用最小原型验证;要长期维护的行为,先写一个会失败的测试,再让它改实现。

01 先看出错影响什么

完成一个小任务后,要检查到什么程度?先看出错会影响什么,以及这份结果要用多久。临时实验先确认主要结果;长期维护的核心逻辑,就要弄清数据流、失败路径和依赖。

快速模式:只确认结果能否使用
结构模式:理解文件组织和模块关系
函数模式:理解关键函数和数据流
逐行模式:检查每一行的必要性与行为
依赖模式:检查库、权限、安全和长期维护风险

这里的“模式”指你检查结果的深度,和 Claude Code 的权限模式、模型档位是两码事。

02 从 Vibe Coding 到高质量工程的四个层级

为了方便讨论,可以把常见做法归成四个工程层级。它们是选择检查深度的参考,按任务挑一档就行,不用逐级爬:

层级适合场景主要质量控制
Level 1:Vibe coding临时实验、一次性脚本、快速原型手工确认主要结果
Level 2:有纪律的 agentic coding小功能、个人工具、非核心模块Git、文件级理解、基础测试、安全常识
Level 3:Agentic software engineering团队功能、可维护项目函数级理解、自动测试、pre-commit、CI、回归检查
Level 4:高质量软件工程核心业务、安全敏感和长期基础设施逐行审查、严密测试、多平台、安全与性能检查

对 Vibe Coding 的态度可以很实际:一次性脚本和抛弃型原型里,怎么快怎么来,完全没问题。

只要这段逻辑准备并入团队代码库,只要它牵扯到真实用户的支付、权限或持久化数据,就要收起随性,用严格的单元测试、自动化 CI 和类型约束把它管住。支付、权限、数据迁移和隐私逻辑至少需要 Level 3,关键部分要以接近逐行审查的严谨度对待。

探索陌生框架时,可以先用自由的原型摸清虚实,再按严格的工程标准重写正式方案。

回到开头的重命名脚本:

  • 个人视频已有备份,按主题和日期改名:Level 1 就够,运行后抽查文件名,出错时从备份恢复。
  • 共享盘里的原始实验数据没有备份,原名将被覆盖:至少按 Level 3 处理,先核对 dry-run 清单、在副本上演练,再验证结果并保存改名映射。

层级由影响范围、维护期限和恢复条件决定。脚本短,不说明出错后容易恢复;一次性实验的数据有备份,也用不着 Level 4 的强度。

定好层级后,向 Claude Code 说清楚当前要的深度:

这部分涉及核心数据。请解释关键数据流、权限边界、失败路径和验证方式。
这是一次性脚本。优先简单可用,不引入长期架构或额外依赖。

你需要理解到什么程度,就要求它给出相应的验证证据,并按这个深度控制设计的复杂程度。

03 拿不准的选择,先做最小原型

复杂工程里最伤的返工,多半来自过早拍板的技术决定。动手改文件之前,先摸清项目的目录骨架、可能被波及的文件和数据流向。用 /plan 或 Shift+Tab 进入计划模式,让 Claude Code 先探索、出计划。

计划会把技术选择写出来,但里面仍可能藏着没验证的假设。比如,转写应用选用的库能不能在目标系统上加载模型,要靠运行结果来回答。

设想转写应用必须离线运行,你却因为文档好读选了库 A。界面做到一半,才发现它的浏览器版本不支持离线加载,已经耦合进去的调用代码只能全部重做。

选型前,先验证“浏览器加载模型并转写一段固定音频”这个最小原型。离线支持、性能、兼容性和数据格式这类决定整体方案的问题,都要先用能运行的实验确认:

请建立一个独立的最小原型,只验证这个库能否满足需求。不要接入正式代码。

有把握的部分按计划推进,拿不准的部分先用原型验证:

已知路径:Research → Plan → Execute → Test
不确定路径:Research → 最小原型 → 修正 Plan → Execute → Test

Research 负责理解问题和现状,Plan 明确方案与边界,Execute 按计划修改,Test 提供完成的证据。可以把当前阶段锁定在提示里:

请按 Research / Plan / Execute / Test 四步工作。
当前只做 Research 和 Plan,不修改文件。
计划必须包含目标、涉及文件、实现步骤、风险、验证方法和需要我确认的问题。

04 测试先失败,再改实现

写实现之前,先用测试描述预期的行为,后面的每次修改就有了可以反复检查的标准。这就是测试驱动开发,Martin Fowler 的 TDD 条目把它概括为三步循环:先为下一点功能写测试,再写代码让测试通过,最后整理代码结构。

关键在第一步:测试要先在旧实现下失败,才能说明它确实能识别当前缺少的行为。

先写测试
  → 确认旧实现下失败
  → 固定测试契约
  → 修改实现
  → 测试通过
  → 审查实现复杂度

可以分两步向 Claude Code 下达任务:

请先写一个能够在旧实现下失败的测试,不修改实现。运行并展示失败原因。
现在只修改实现,让刚才的测试通过,不要顺手降低或改写测试标准。

例如,需求是“空音频返回可理解的错误”,测试要先因为旧实现没处理空音频而失败。

看到终端一片红时,先退半步看清失败原因:是代码没通过你设定的业务断言,还是本地测试环境本身就缺东少西?两者性质完全不同:

  • 你期望空音频返回友好的格式提示,测试实际抛出了 Cannot read properties of null。这说明测试已经跑进了业务代码,并且逮住了那个没处理的边界情况,这是能指导下一步修改的有效证据。
  • 如果报错写着 Cannot find module 'vitest',或者测试样本文件路径不存在,说明测试进程还没跑到业务代码就退出了。把这种环境故障当成业务 bug 交给 AI 去改,只会越改越偏,把原本正常的代码改得面目全非。

测试本身也要审查:它是否验证真实行为,能否在旧实现下失败,是否覆盖边界与失败路径,是否过度绑定了内部实现。

测试强度随工程层级增加:

手工主流程检查
  → 关键函数或 API 自动测试
  → CI 阻止失败变更合并
  → 回归、端到端、多平台、安全与性能验证

Claude Code 也能帮你补上 pre-commit、lint、CI job 和 bug 回归测试。这些质量门禁的作用,是让后续的快速改动一直受同一套标准约束。

05 不同的输出,看不同的证据

验收时要看结果本身。代码是否符合预期、研究结论是否有来源、远端操作是否已经生效,各自需要不同的证据:

输出类型主要证据
代码测试、diff、代码审查、关键数据流解释、draft PR
文档事实核对、结构检查、渲染预览、目标读者可用性
页面DOM 或可访问性状态、截图、交互检查、网络错误
CLI 或脚本退出码、stdout/stderr、样例输入输出、文件副作用
研究结论原始来源、日期、可验证的结论、推断和未确认项
自动化操作事前计划、实际变更、命令输出、diff 和远端状态

代码审查可以用 /diff、Git 工具、/code-review 或可视化 Git 客户端。关键变更还要逐文件说明:

请逐文件说明这次为什么要改、行为发生了什么变化,以及对应的验证证据。

研究结论要把事实与推断分开:

请复核刚才的每条结论,并用表格列出:结论、证据来源、验证状态和无法确认的部分。

改动影响越大,越需要在接近真实运行的环境里验证。代码进了 PR 之后,审查结论本身也要核对,用 Claude Code 审查大型 PR讲了怎样分清已验证、待测试和该撤回的发现。

层级定得对不对,还要和任务拆得够不够小一起看:每个小任务都有自己的验证,才谈得上检查深度,Claude Code 一次改太多文件怎么办讲了怎样拆。

同样十几行的重命名脚本,一份数据有备份,一份没有,检查强度就该差出两个层级。