AI写的代码，是"高质量"还是"高数量"？
2026年，AI代码助手已经可以生成大量代码——一个Agent在30分钟内能写出2000行。但代码质量和代码数量是两回事。AI写的代码，可维护性好吗？技术债务高吗？代码重复率高吗？
我们用SonarQube扫描了AI生成的10万行代码（来自Copilot、Cursor、Claude Code），得出了以下数据。
扫描结果
| 质量指标 | 人类代码（基准） | AI代码（平均） | 差距 |
|---|---|---|---|
| 代码重复率 | 5.2% | 8.7% | AI高67% |
| 圈复杂度（平均） | 4.5 | 3.8 | AI低16% |
| 可维护性评级A | 72% | 58% | AI低19% |
| 技术债务比率 | 3.5% | 5.2% | AI高49% |
| 注释覆盖率 | 18% | 35% | AI高94% |
| 安全漏洞（每1000行） | 0.8 | 2.3 | AI高188% |
金句：AI写的代码，注释比人多，Bug也比人多。它不是一个"优秀的程序员"，而是一个"勤奋但粗心的程序员"。
惊喜：AI代码的5个优点
1. 注释覆盖率高（35% vs 18%）
AI几乎会为每个函数生成注释。这大大提升了代码的可读性。但有些注释是"废话"——// 这个函数返回两个数的和。不过总体而言，AI的注释习惯比人类好。
2. 函数粒度更小
AI倾向于生成小而专注的函数（平均15行），而人类倾向于写大函数（平均30行）。小函数更容易测试和复用。
3. 命名更规范
AI的变量命名和函数命名遵循训练数据中的"最佳实践"。很少出现x、tmp、data这种模糊的命名。
4. 错误处理更完善
AI会主动添加try-catch和错误返回，而人类经常"忘记"处理边界情况。
5. 代码风格一致
AI的代码风格在同一个项目中保持一致，不会出现"3种不同的缩进风格"。
金句：AI代码的"优点"主要在"规范"层面——注释、命名、风格、错误处理。这些是"可以教的"，AI做得比人类好。
惊吓：AI代码的5个缺点
1. 代码重复率高（8.7% vs 5.2%）
AI倾向于"复制-粘贴"模式——当需要类似的逻辑时，AI会复制代码而不是抽象成函数。这导致代码重复率比人类高67%。
2. 过度工程化
AI经常生成"过度工程"的代码——为了实现一个简单的功能，引入了不必要的抽象层、设计模式、中间件。
案例：实现一个简单的TODO List，AI生成了Repository模式、Service层、DTO、Mapper——对于一个DEMO来说，这是过度工程。
3. 缺乏领域理解
AI生成的代码在"技术上正确"但在"领域上错误"。比如，AI可能把"订单状态"建模为字符串，而不是使用状态机——因为在技术上字符串更简单，但在领域上状态机更正确。
4. 依赖版本过时
AI的训练数据截止到某个时间点，它推荐的依赖版本可能不是最新的。有12%的依赖建议是过时的版本。
5. 技术债务累积
AI加快了代码生成速度，但也加快了技术债务的累积速度。因为AI生成的代码在"当下"看起来没问题，但3个月后，这些"快速生成的代码"就会变成"需要重构的代码"。
金句：AI代码的最大问题是"视野短浅"——它只关注"当前任务"，不考虑"长期维护"。这跟初级程序员的毛病一模一样。
如何管理AI代码的质量？
- 代码审查：AI生成的代码必须经过人工审查
- 质量门禁：CI/CD中设置质量门禁（SonarQube Quality Gate），不达标不合并
- 重构周期：每3个月安排一次"AI代码重构周"，专门清理AI生成的技术债务
- AI代码标注：在commit中标注"AI-generated"，方便后续追踪和审查
金句：AI代码助手不是"质量保证"，而是"生产力工具"。它帮你写得更快，但"写得好不好"仍然需要你来把关。**