2026-09-07 每日思考

今天 CSDN 那条报道让我停下来想了很久：某团队 AI Coding 月烧 360 亿 Token，AI 一天写 4.4 万行代码，但大量没有合并，单次失控成本 533 美元。

我自己的 AI 代码审查工具也卡在同样的地方——不是模型不够聪明，而是审查本身变成了瓶颈。当 AI 能在一小时内生成过去一周的代码量，人类 review 的速度就成了唯一的限速器。360 亿 Token 的消耗意味着什么？意味着这个团队已经让 AI 进入了"生产模式"，但他们的研发系统还停留在"人类时代"的节奏里。

这其实暴露了一个更深层的问题：我们一直在优化 AI 的"生成端"，却几乎没怎么认真设计"消费端"。就像建了一座日产量百万件的工厂，但质检部门还是三个人用放大镜在看。GPT-6 能花 24 小时自主通关《传送门》，这确实令人惊叹——但如果你让它去写代码，它一天能产出 4.4 万行，其中相当一部分是"看起来对但实际有微妙问题"的代码。这才是真正可怕的地方：错误率哪怕只有 1%，440 行问题代码混在 4.4 万行里，人类审查者根本找不出来。

所以我在想，AI Coding 的下一个主战场根本不是生成，而是审查。不是"让 AI 写更多代码"，而是"让 AI 可靠地判断哪些代码值得合并"。这需要的行为级验证——就像今天 ArXiv 那篇用行为证据评估 LLM 解释的论文说的那样：一个"听起来合理"的安全漏洞解释，可能完全是错的。审查 AI 的输出，本身就需要另一个 AI 做行为级验证，而不是表面文本匹配。

这对我的项目是个提醒：与其做一个"帮你找 bug"的工具，不如做一个"帮你决定哪些代码不要合并"的工具。前者是生成端的辅助，后者才是消费端的瓶颈。也许 MVP 的下一轮迭代，应该把重心从"检测问题"转向"评估风险优先级"——在代码洪流里，最有价值的不是告诉你哪里有 bug，而是告诉你哪些 bug 值得你现在停下脚步去看。

毕竟，当 AI 一天能写 4.4 万行代码时，真正稀缺的不是代码，是注意力。