上周有个消息在我朋友圈刷了屏：Anthropic 单季度利润突破 10 亿美元，成了全球第一家靠大模型赚到真钱的前沿公司。不是靠 API 调用量，不是靠卖会员——靠的是 Claude Code，那个终端里的编程 Agent。同一周，Bun 项目用 AI 在 11 天内重写了超百万行代码，从 Zig 搬到 Rust，测试通过率 99.8%，官方发推庆祝。评论区却没跟着嗨。有人翻出 CodeRabbit 那篇报告：AI 生成代码的缺陷率是人工的 1.7 倍，开发者信任度从 43% 跌到了 33%。两个新闻放在一起看，就很有意思了——一边是钱在疯狂涌入，一边是代码质量在悄悄塌方。我不是来唱衰的，我自己也在用 Cursor 和 Claude Code 写东西。但有些话，我觉得得有人说清楚。

先说那个 Bun 的案例。11 天、百万行、99.8% 测试通过率——这三个数字放在一起，任何一个工程团队看了都会心跳加速。可仔细想想，"测试通过率"和"代码可靠"从来不是一回事。测试覆盖的是你已知的边界，AI 埋雷的地方往往是你没想到的边界。Bun 那条推文下面，最高赞的评论是："测试通过不等于代码正确，更不等于可维护。"说这话的人大概踩过类似的坑。我自己也踩过——上个月让 Claude Code 重构一个权限模块，10 分钟改了 12 个文件，diff 看得我直点头，合进去两天后接口全炸了。它把 role 字段从 string 改成 string[]，但只修了类型定义和守卫层，没碰下游的数据库查询和前端契约。一个字段，三个地方返回了不一样的结果。这 bug 你靠单元测试是测不出来的，因为每个模块单独测都绿。只有集成到一起跑，才炸。

这事让我一直在想一个问题：AI 编程工具到底在"提升"什么？

从表面看，答案很明确——效率。Cursor 的 Composer 一键改多文件，Claude Code 自己规划自己写自己跑测试，Windsurf 的 Agent 模式也能一口气干完一整套 CRUD。2026 年的数据显示，AI 已经写了全行业 42% 的提交代码。这个数字放在两年前，没人敢信。但同样的数据也说明了另一个事实：96% 的开发者不完全信任 AI 生成的代码，只有 48% 的人会在提交前逐行审查。换句话说，代码在飞快地堆，但看代码的人越来越少了。这不是效率提升，这是效率幻觉——你写得更快了，但改得更慢了。Hacker News 上有个 Stripe 的工程师说得挺扎心：他花 6 小时调试 Copilot 写的一个分布式竞态条件，而那代码他自己手动写只要 2 小时。净亏 4 小时。

C++ 之父 Bjarne Stroustrup 今年直接开炮：AI 生成的代码普遍臃肿、充满幻觉，而且极难维护。他说得不算客气，但你在 PR 里见过 AI 生成的代码就会明白——一个简单的排序逻辑，人类写十几行，AI 能写出四五十行，嵌套四层 if，兜了三层底，变量名还又长又没意义。看起来逻辑是对的，但任何一个老手看了都会皱眉：这代码能跑，但谁敢改？

所以我的判断是：AI 编程工具现在的核心矛盾，不是"能不能写代码"，而是"写出来的代码到底归谁管"。Cursor 和 Claude Code 在"写"这个阶段已经好到让人上瘾了——你给个 prompt，它刷刷刷出一堆文件，那个爽感是真的。但代码的 90% 生命周期在写完之后的维护阶段。AI 不维护，它只生产。你让 AI 十分钟搓出来的模块，可能要你花两天去理解它为什么要这么写，再花两天去改它没考虑到的那条边界。METR 今年 2 月的研究也印证了这一点：开发者自我感觉快了 20%，但实际测量中，复杂任务上的净效率提升远没那么乐观。感觉快和真的快，是两码事。

我不是说要回到手写代码的原始时代。我自己的日常工作流里，Cursor 的 Tab 补全和 Claude Code 的 Agent 模式已经是标配了。但用了大半年，我慢慢总结出三条底线，分享出来供你参考。

第一条，AI 最适合干的活是"样板代码、CRUD 逻辑、单元测试骨架"。这些场景里，提效 40%-60% 是真实的，因为代码本身没有什么"架构决策"可言，纯粹是翻译。第二条，涉及架构变更、数据模型设计、跨模块契约的时候，AI 只能当副驾驶，不能当主驾。你让它出初稿可以，但每一行你都得看，而且要看懂。第三条，也是最容易被忽略的——AI 生成的代码需要专门的"质量门禁"。不是传统的 lint 和单元测试就够了，你需要集成测试、契约测试，甚至需要专门的 AI 代码审查工具来跑差异分析。因为 AI 最擅长制造的 bug 不是语法错误，是"看起来对但逻辑不对"的沉默失败。

Claude Code 帮 Anthropic 赚了 10 亿美元，这件事本身是好事——它证明了 AI 编程工具的商业价值，会倒逼更多资源投入这个方向。但商业价值和工程质量之间，天然存在一个张力：资本要的是"快"，工程要的是"稳"。如果这个张力不处理好，2026 年的"AI 编程繁荣"可能变成 2027 年的"AI 代码债务危机"。

你觉得呢？你团队里 AI 写的代码，是直接合了，还是加了额外的审查步骤？你踩过最坑的 AI 生成代码 bug 是什么？评论区聊聊，我想听听你们的门槛设在哪。