AI 写代码之后,如何把住交付质量
文章将 AI 编程能力的差距归结为任务描述、变更规模、输出核验与风险识别。它围绕这些环节提供五个习惯和一份可用于下一次 PR 的审查清单。
AI 深度解读
买到同一档 AI 模型,不等于交付出同一质量的代码。作者的核心判断是:当模型人人可用,开发者的差距会更多体现在任务怎么拆、风险怎么识别,以及合并前到底验证了什么。
文章用一个「判断活动是不是今天」的日期函数,串起五个日常习惯。它对前端和全栈开发者的价值很直接:把「代码看起来没问题」变成可检查的验收条件。不过,文中的效率对比主要是举例,不能当成团队采用这些习惯后的收益数据。
为什么同一个模型,仍然会交付不同结果
作者设想了两名开发者拿到同一个模型、同一张需求单:一个用一小时交付干净的修复,另一个交出的代码通过评审,却在一周后影响部分用户,再花一天排查。
这不是有样本和统计方法的对照实验,而是用来说明四个差异:任务是否描述清楚、修改是否小到能认真读完、输出有没有被核查,以及开发者是否知道哪里风险高。
其中最容易被忽略的是修改规模。一个 helper、一个组件,通常还能在脑中追踪输入和输出;一次生成 900 行改动,评审很容易退化成浏览。代码越流畅,越容易让人把「读着顺」误当成「行为正确」。
资深开发者的价值,体现在对范围、风险和验证方式的判断。
AI 提高了生成速度,却没有替团队决定哪些行为必须保持、哪些边界必须测试。作者建议先写两三行计划,明确目标、禁止改动的部分和完成条件,再让 agent 动手。
一个日期函数,为什么会在纽约出错
需求很普通:活动日期等于用户本地的今天,就显示「Today」标记。agent 给出的第一版实现如下:
function isToday(dateString, now = new Date()) {
const d = new Date(dateString); // e.g. "2026-11-22"
return (
d.getDate() === now.getDate() &&
d.getMonth() === now.getMonth() &&
d.getFullYear() === now.getFullYear()
);
}
要盯住的是 new Date(dateString)。像 "2026-11-22" 这样的纯日期字符串,会被解析为 UTC 零点;随后 getDate()、getMonth()、getFullYear() 读取的却是本地时区下的日期。在纽约这样的 UTC 以西地区,这个时刻仍属于前一天。
作者称,他们用三个时区测试了相同的本地时间:11 月 22 日 10:00。不过,提供的原文没有展示完整结果表,只解释了 Dhaka、London 不容易暴露这个案例,而 New York 会出错。
如果业务输入就是本地日历日期,修复可以直接比较年月日:
function isToday(dateString, now = new Date()) {
const [y, m, d] = dateString.split("-").map(Number);
return (
y === now.getFullYear() &&
m === now.getMonth() + 1 &&
d === now.getDate()
);
}
这里要注意 getMonth() + 1:JavaScript 的月份从 0 开始,输入字符串的月份从 1 开始。这个实现避开了把日历日期转换成时间点的过程,但它没有验证输入是否合法,也不能直接拿来处理带时区的活动时间。
错误并不只来自 AI。作者强调,这类问题在人写的代码里早已存在;开发者需要知道日期解析属于高风险区域,才能提出有效的验证要求。
怎样让 agent 的正确性有证据
作者给出的五个习惯,可以连成一条工作流程。
先定义完成条件。日期案例里,目标是按用户本地日期显示标记,不动 events API 和现有日期格式化逻辑,验收则要求 UTC-5、UTC、UTC+6 下的测试都通过。这样,评审就有了具体依据。
接着控制修改范围,并带着「哪里会坏」阅读 diff。作者列出的重点包括日期、时区、金额计算、循环中的异步操作、API 返回 500 时的错误处理、权限检查、用户数据,以及靠忽略异常来「处理」边界的代码。
然后要求 agent 提供能先失败、后通过的测试。原文使用 node:test 的 test 和 node:assert/strict 的 assert,从 ./isToday.js 导入函数,通过 TZ=America/New_York node --test 执行。测试构造 new Date(2026, 10, 22, 10, 0),断言 isToday("2026-11-22", now) 为 true。第一版失败,修复版通过。
「测试通过」之前,还要确认这个测试确实抓得住原来的错误。
最后,把 agent 犯过的错写进它会读取的规则文件,例如 AGENTS.md、CLAUDE.md 或 .cursor/rules。原文的规则是:不要把 "YYYY-MM-DD" 纯日期字符串传给 new Date(),而应比较日期各部分。
作者还给出一份两分钟评审清单:能解释每一行修改,知道最慢或最不稳定的调用失败后会怎样,对日期和金额做过测试,有修复前会失败的用例,没有越出任务范围,并已记录 agent 的错误。
我的判断
我赞成把注意力从订阅档位转到验收能力,尤其赞成小范围修改和失败用例。它们让开发者更容易发现具体问题,也让 AI 输出有可核查的证据。
但「五个习惯让判断可重复」仍主要是经验之谈。作者没有给出缺陷率、评审耗时或不同模型之间的对照数据,开头的一小时、一周和一天也不能拿来估算收益。
规则文件同样需要业务前提。「不要把纯日期传给 new Date()」适合本文的本地日历日期场景;如果需求就是表达 UTC 时间点,就应按相应语义处理。规则写得过于绝对,可能把一次正确修复变成下一次误导。
测试先行也不必覆盖所有琐碎修改。它更适合行为修复和风险边界明确的问题。基础知识仍是前提:不知道日期和时间点的区别,就很难判断测试到底证明了什么。原文末尾还附有从 11 月 26 日周四开始、优惠 25% 的课程广告,这与技术论证应分开看。
能拿来做什么
- 下次让 AI 修改前端组件前,先写清目标、不能动的接口和可观察的验收结果,让 diff 围绕这些条件展开。
- 遇到日期标签、活动日历等需求,先确认字段表示本地日期还是具体时间点;若用 Node 验证,保留
TZ=America/New_York node --test这样的时区用例。 - 修复 API 失败处理或异步逻辑时,让 agent 先给出能复现问题的测试,亲自看到它失败,再检查修复后的结果。
- 在规则文件中记录已确认的错误及适用场景,并把「解释每一行修改」和「有没有越出范围」加入 PR 评审习惯。