2026-10-18 每日思考

今天看到 decomp.dev 关闭的消息，我盯着那句"无法再区分哪些项目是人工主导的，哪些是 AI 完成的"看了很久——因为我正在做的 AI 代码审查工具，本质上也在生产同一种东西：让判断变得廉价。

我的 MVP 目前只做两件事，安全漏洞和性能问题检测。做到现在最大的体会是，AI 审查工具的价值不在于"发现更多问题"，而在于"让开发者相信这个问题值得修"。这两件事的难度差了一个数量级。模型可以在一次扫描里吐出两百条告警，但其中真正需要人停下来处理的可能只有五条，剩下的一百九十五条会训练用户忽略告警——这是静态分析工具几十年没解决的老问题，AI 并没有让它变简单，只是让它变得更贵，因为生成告警的成本降到了零。

decomp.dev 的困境是同一个问题的另一面。当贡献成本趋零，社区赖以运转的"谁做了什么、做得怎么样"的隐性契约就崩了。开源项目靠声誉系统维持质量，而声誉系统假设贡献是稀缺的、可归因的。AI 把这两个假设同时打破了。我的工具也在打破类似的假设：代码审查原本是资深工程师的稀缺注意力，现在变成了可以批量调用的服务，那么"审查通过"这个信号还剩下多少信息量？

我不认为答案是"拒绝 AI"或者"加个 AI 生成标识"这么简单。标识是廉价的，任何人都可以声称自己是人工写的。真正可行的方向可能是提高验证成本而非提高生成成本——对 decomp.dev 来说，是要求贡献者提供可复现的构建与测试证据；对我的工具来说，是每一条告警都必须附带一个可执行的最小复现用例，跑不通就不报。这会让工具看起来"发现的问题变少了"，但那恰恰是它开始有用的标志。

给同行的建议：如果你在做 AI 审查或任何"生成判断"的工具，现在就把"误报率"当成第一指标而不是召回率，并且强制每条输出绑定可验证的证据。预测一句：未来一年内，会有一批 AI 代码审查工具因为告警疲劳被团队卸载，而活下来的那批，卖点会是"我们报得少"。