AI能寫出編譯通過、測試全綠的代碼，PR照樣被人類打回——JetBrains TeamCity團隊去年統(tǒng)計，他們經(jīng)手的AI生成代碼里，有31%在技術(shù)上正確卻被拒絕。問題不在語法，在"這代碼看著不像我們寫的"。

老代碼的陷阱：出現(xiàn)次數(shù)多≠應(yīng)該繼續(xù)用

TeamCity技術(shù)負責(zé)人Pavel Sher審了十幾年代碼，一眼能認出"這變量命名是2015年的風(fēng)格"。AI沒這本事。它掃描代碼庫找規(guī)律，看見某個模式出現(xiàn)100次，就默認這是標(biāo)準(zhǔn)做法。

JetBrains內(nèi)部做過一次遷移實驗：把舊數(shù)據(jù)庫API換成新API。新接口和舊的不一一對應(yīng)，需要重新設(shè)計數(shù)據(jù)流。AI交上來的版本，API調(diào)用確實更新了，但錯誤處理、數(shù)據(jù)流轉(zhuǎn)、代碼結(jié)構(gòu)全是老的。就像給老爺車換了特斯拉電池，底盤還是馬車的。

Pavel Sher后來復(fù)盤：「代理更新了API調(diào)用，但周圍的一切仍遵循舊設(shè)計。結(jié)果是技術(shù)上正確，但概念上不一致?！?/p>

這是 legacy codebase（遺留代碼庫）的通病。團隊正在淘汰的做法，往往因為歷史原因占比最高。AI把"高頻"誤判為"正確"，相當(dāng)于把技術(shù)債當(dāng)資產(chǎn)繼承。

解法一：喂它"正確答案"，而非"全部答案"

JetBrains的第一版改進很樸素：不再讓AI自己翻代碼庫猜規(guī)律，而是直接給已通過審核的遷移案例。

指令變成："Class A是這么遷的，Class B照做。"

效果立竿見影。AI不再被舊代碼帶偏，輸出和團隊當(dāng)前標(biāo)準(zhǔn)對齊。但這個方案有天花板——每個新場景都要人工準(zhǔn)備示例，邊際成本沒降下來。

團隊想要更通用的辦法。

解法二：讓AI先問"為什么"，再問"怎么做"

第二版方案引入了"意圖理解"層。遷移前，AI先生成一份設(shè)計文檔：目標(biāo)是什么、約束條件有哪些、新API的推薦模式是什么。人類審核通過設(shè)計后，AI再動手寫代碼。

這個環(huán)節(jié)模擬的是Pavel Sher的審前判斷——先確認方向?qū)?，再摳細?jié)。實驗數(shù)據(jù)顯示，引入設(shè)計評審后，AI代碼的一次通過率從54%提到78%，返工主要集中在新API的邊界情況處理，而非整體結(jié)構(gòu)跑偏。

但設(shè)計文檔本身又成了新瓶頸。寫得細，人工審核負擔(dān)重；寫得粗，AI理解不到位。TeamCity團隊正在測試"分層設(shè)計"：核心架構(gòu)人工定，具體實現(xiàn)讓AI自己填。

解法三：給AI配個"代碼考古"工具

最激進的實驗是動態(tài)上下文系統(tǒng)。AI不再靜態(tài)掃描代碼，而是能查詢：這個模式最后一次大規(guī)模使用是什么時候？最近的PR里有沒有替代方案？哪個提交 message 里提過要淘汰這個API？

相當(dāng)于給AI接入了團隊的集體記憶。它終于能區(qū)分"這是歷史遺留"和"這是現(xiàn)行標(biāo)準(zhǔn)"。早期測試?yán)铮@套系統(tǒng)把"誤抄舊模式"的比例從43%壓到12%。

代價是響應(yīng)速度。每次查詢都要檢索Git歷史、PR討論、文檔wiki，復(fù)雜任務(wù)的生成時間從秒級拖到分鐘級。JetBrains正在用緩存和預(yù)索引優(yōu)化，目標(biāo)是把延遲控制在30秒內(nèi)。

一個還沒解決的悖論

所有改進都指向同一個假設(shè)：AI需要人類標(biāo)注的"正確性信號"。但信號從哪來？還是得靠Pavel Sher這樣的人先審一批代碼，把隱性規(guī)則顯性化。

這形成了一種循環(huán)依賴——要AI學(xué)會團隊的編碼風(fēng)格，得先有人類愿意花時間教。而愿意教的人，往往是團隊里最忙、最不想被AI替代的那批。

JetBrains的下一步是"少樣本學(xué)習(xí)"：用3-5個精選案例，而非100個隨機樣本，讓AI快速抓住核心模式。如果這條路走通，或許能把"培養(yǎng)AI"的成本降到普通開發(fā)者也能隨手做的程度。

TeamCity團隊最近放出一個測試接口，允許用戶上傳自己的代碼庫，看AI能不能識別出里面的"隱性規(guī)則"。Pavel Sher在 release note 里寫了一句：「它猜對的概率，大概和你新同事差不多——前提是這位同事真的讀過文檔，而不是只看了最舊的三個文件?！?/p>

你的代碼庫，有多少"舊模式"正在被AI當(dāng)成標(biāo)準(zhǔn)復(fù)制？