AI 写代码的能力已经不再是瓶颈，真正的瓶颈转移到了「谁来确认它写得对」这一步。
发生了什么
Hacker News 上出现了一个讨论帖，标题直白地提出了一个问题：AI 能写代码了，谁来验证它？帖子本身没有给出答案，但它触及的正是当下开发者社区最真实的焦虑——代码生成的成本正在快速下降，而审查、测试与验证的成本并没有同步下降。当生成速度远超人工阅读速度，原本嵌在开发流程里的「人看一眼」这道防线开始失效。
为什么重要
过去两年，代码补全和编码代理的能力提升主要围绕「写得更快、更准」展开，评测基准也大多衡量生成质量。但软件工程的成本结构从来不是只由生成决定的。一段代码被写出来，只是它生命周期里最便宜的一步；它要被读懂、被测试、被合并、被维护，这些环节的成本才是大头。
AI 把生成成本压到接近零之后，这些下游环节的相对权重被急剧放大。一个开发者可以在几分钟内让代理产出数百行改动，但审查这些改动所需的时间并不会因为它们是 AI 写的而减少——甚至可能更多，因为审查者缺少「作者当时在想什么」的上下文。这就形成了一个结构性错配：供给端产能暴涨，质检端产能不变。
这也解释了为什么社区讨论的重心正在从「模型能不能写对」转向「流程能不能兜住」。生成能力的竞争已经相对充分，而验证能力的竞争才刚刚开始。
影响与看点
对开发者而言，最直接的变化是角色重心迁移。写代码的时间占比会下降，读代码、定义验收标准、设计测试的工作占比会上升。会用 AI 的人和不会用的人之间的差距，可能不再体现在产出速度上，而体现在能否快速判断一段陌生代码是否可信。
对工具生态而言，值得关注的方向包括：自动化代码审查、AI 生成测试用例、基于形式化或静态分析的验证手段，以及让代理自己为自己的改动提供证据的工作流设计。这些方向目前都还比较分散，缺少公认的最佳实践，也缺少能真正替代人工判断的成熟方案。
一个容易被忽略的点是责任归属。当代码由 AI 生成、由 AI 审查、再由人点一下合并，出问题时的追溯链条会变得模糊。工程团队需要重新设计提交记录、审查记录和测试覆盖的规范，让「谁验证了什么」这件事可被审计。
我的判断是：短期内不会出现能完全替代人工审查的方案，但「验证」会从一个隐性的、靠个人经验完成的动作，变成显性的、有工具支撑的工程环节。谁能把这一步做得可度量、可复用，谁就握住了下一阶段开发工具的关键位置。
