主要观点：写代码的首要规则是逐行理解代码，避免假设和一厢情愿，如今 AI 代码助手易让开发者遗忘此规则；AI 代码助手虽能增加代码量但不一定能提高软件质量，关键问题是其生成的代码是否能提升长期可维护性；2024 年代码助手在软件开发中角色重要，虽提高生产力但不一定转化为更好软件，2025 年研究表明 AI 辅助编码增加代码量但关键是写更好可维护代码，行业长期原则如 DRY 等受影响，代码质量有下降趋势。

关键信息：

• 63%专业开发者在 2024 年使用 AI ，14%计划采用；
• AI 辅助编码增加代码量但降低质量和可维护性，如复制粘贴代码激增、缺陷率增加、短期收益长期成本高等；
• 代码审查和测试是应对 AI 生成代码问题的重要活动，代码审查可防欺骗、防重复和衰变、保障安全、提供学习机会，测试可早期抓 bug、获取反馈、找到更多 bug 等。

重要细节：

• GitHub 的 Copilot 和 DeepCode 能辅助代码审查但非完美，混合方法更有效；
• 代码审查可检查逻辑正确性等，避免 LLM 生成代码的问题，如参考不存在的库等；
• 静态分析工具可检测复制代码等，突变测试等可检测浅层测试问题，探索性测试可发现意外行为等；
• 回归测试可验证代码修改后的稳定性，性能测试可发现 LLM 代码的效率问题，安全测试可模拟攻击检测漏洞。

总结：AI 辅助写代码虽有作用但存在问题，代码审查和测试活动能帮助应对，在 LLM 时代，真正技能是理解、批判性思考和彻底测试。