AI 编程工具已经能很快生成函数、组件、接口甚至一整套脚手架，但真正的问题不是“AI 能不能写代码”，而是“AI 写出来的代码能不能放心合并”。很多人用 AI 编程时只看两个结果：代码有没有生成、运行有没有报错。这个标准太低了。AI 生成代码最常见的问题不是语法错误，而是需求理解偏差、边界条件遗漏、测试不足、权限判断缺失、错误处理粗糙，以及未来维护成本变高。这篇文章整理一套AI 生成代码审查清单，适合你在使用 GitHub Copilot、Cursor、Claude Code 或其他 AI 编程工具后，对代码做最后验收。它不是工具推荐，而是一套工程实践流程：让 AI 提速，但不让 AI 降低代码质量。先记住一句话：AI 代码必须按人工代码标准验收AI 生成代码不能因为“是 AI 写的”就降低标准，也不能因为“看起来能跑”就直接合并。你应该把它当成一个初级开发者提交的 PR：可以很快，但必须审查。最基本的验收顺序是：阶段要回答的问题需求验收它解决的是不是原始问题？行为验收正常路径和异常路径是否都正确？测试验收是否有能证明行为的测试？安全验收是否引入权限、注入、泄露等风险？可维护性验收未来的人是否能理解和修改？集成验收是否影响现有功能、构建和部署？只要其中一项回答不清楚，就不应该急着合并。
