AI在代码中埋的三颗雷，快要爆了！-优快云博客

完美代码

张大胖一上班，就看到了小梁和小王昨天晚上发来的两个Code Review请求。

张大胖先打开了小梁的代码，这是要并发调用三个服务（用户资料、最近订单和忠诚度状态），然后把结果汇集起来，用于在用户仪表盘中展示。

张大胖快速看了一下代码：写得挺漂亮的嘛！

@Servicepublic class DashboardService {    private final ProfileServiceClient profileClient;    private final OrderServiceClient orderClient;    private final LoyaltyServiceClient loyaltyClient;       public UserDashboard aggregateDashboardData(UUID userId) throws ExecutionException, InterruptedException {        CompletableFuture<Profile> profileFuture = CompletableFuture.supplyAsync(() -> profileClient.fetchUserProfile(userId));        CompletableFuture<List<Order>> ordersFuture = CompletableFuture.supplyAsync(() -> orderClient.fetchRecentOrders(userId));        CompletableFuture<LoyaltyStatus> loyaltyFuture = CompletableFuture.supplyAsync(() -> loyaltyClient.fetchLoyaltyStatus(userId));        CompletableFuture.allOf(profileFuture, ordersFuture, loyaltyFuture).join();        return new UserDashboard(            profileFuture.get(),            ordersFuture.get(),            loyaltyFuture.get()        );    }}

利用了现代Java的特性，使用 CompletableFuture 协调异步调用。

张大胖又打开了小王的代码，processMessage 并行调用两个外部 API（Promise.all），然后依赖返回结果更新数据库。

//简化版代码async function processMessage(message) {  const [result1, result2] = await Promise.all([    callExternalApi1(message.data),    callExternalApi2(message.relatedId)  ]);  await updateDatabase({ result1, result2, message });  }

代码写得也很漂亮，张大胖上午忙得四脚朝天，匆匆地看了一眼，就Approve了。

不久以后，经过功能测试的代码进入了CI流水线，然后就进入了生产系统。

闲下来的张大胖到茶水间倒水，猛然间想起了小梁和小王的代码：这不对啊，我们团队写代码不是这样的啊！

代码也太干净了，就像教科书上的代码，或者网上博客的示例代码。

仔细琢磨一下，代码中其实埋了三个雷：

地雷1：线程问题

小梁的代码用的supplyAsync()，但是却没有指定自己的线程池，这意味着所有的任务都跑在默认的ForkJoinPool 上。

ForkJoinPool 是为CPU密集型任务设计的，而这里的网络调用是阻塞I/O！在高负载下，这些阻塞调用可能会把线程全占满，嗯，后果非常可怕啊。

团队不是早有规定了吗，I/O任务必须用专门的虚拟线程执行器。

地雷2：失败处理

代码没有给出超时策略，如果 loyaltyClient 挂起了 30 秒，整个请求会被它拖住。

如果其中一个 future 失败会怎样？allOf 众所周知是要么全部成功要么失败的。

地雷3：违反了团队约定

小梁直接使用构造函数创建UserDashboardDTO，但是团队规范要求用静态工厂方法UserDashboard.from(profile, orders, status) ，这样可以统一处理 null、保证对象不可变。

小王更是犯了一个低级的错误：竟然假定调用API1和API2这两个操作互不影响！这两个API可是有依赖关系的啊。

张大胖把小梁和小王找来，质问他俩是怎么回事：“你们也是有几年经验的程序员了，为什么还会犯这种低级错误？”

两人支支吾吾了半天：“最近太忙了，我们用AI生成了一些代码。”

张大胖背后一凉：“坏了，AI在代码中埋的三颗雷，快要爆了！赶紧回滚代码，fix bug！”

AI写得飞快，但只是会照着教科书写一个“看起来很对”的版本，但它不知道团队的一些约定，更是会忽略分布式系统至关重要的容错策略，例如超时、降级、部分响应等等。

这些小细节往往是埋雷的根源。

我们该怎么办？

AI其实就像一个超级聪明，有无限耐心，但没经验的实习生。

它严重缺乏品味、智慧和架构远见。

你让它干啥它都干，但它不懂背景、不懂约定，也不懂“为什么要这么做”。

要想让AI真正帮上忙，需要你来带，就像你指导新人干活儿一样。

1.以人为主导的架构设计

别一上来就让AI写代码，先自己想清楚几个问题：

这个功能要怎么融入现有系统？
对下游应用有什么影响，失效的情况有哪些？
最简单、最优雅的数据流是什么？
需要创建新服务，还是扩展现有的？

做出了这些关键的决策以后，才开始向AI下命令来实现。

2. 给AI喂上下文

不要被动地使用AI，盲目地接受AI的输出，一定要给它提供上下文（规则、约定、示例代码）。

（1）把团队约定告诉AI

例如 “我们对 DTO 使用静态工厂方法：UserDTO.from(user)。

错误用自定义 ApiServiceException 处理。

所有异步方法必须返回 CompletableFuture。

（2）提供示例

给它一段项目中已有的优质代码片段，作为风格范例。

（3）明确定义目标

例如 “我要在 Spring Boot 中实现一个 REST 控制器端点，它是非阻塞的、支持这三种查询参数，并调用 UserService。”

这样它写出来的东西才不会“跑偏”。

3. 深度调试

遇到Bug时，我们现在的第一反应就是把错误日志扔给AI，让它去修复。

这确实快，但治标不治本。

更好的做法是：把 AI 作为“提问伙伴”，用它来推动自己深入分析，而不是仅仅获得一个Bug Fix。

不要只说“修复这个 NullPointerException”，而问：“在并发 Java 环境中，可能导致这个 NPE 的五种常见竞态条件是什么？”
- 不要只问“为什么慢？”，而问：“请分析这段代码的内存分配模式，有没有降低堆压力的机会？”
不要只说“重写这个”，而问：“在这个特定任务中，使用 CompletableFuture 与 Java 21 的 Structured Concurrency 的权衡是什么？”

用 AI 提问来强化自己的技术思考（深挖根因、比较方案、权衡利弊），把工具变成学习催化剂而非快捷键。

4.工匠打磨：从正确到优雅

普通代码和卓越代码之间的最大差别是工艺感。

这最后的10%是AI做不到的，也是人类程序员介入的价值所在：把AI生成的代码变成别人阅读和维护都很愉悦的作品。

(1) 重命名：

把 data_list 改为 activeCustomerProfiles。AI 给出的是泛化名称，你赋予它们领域特定的意义。

(2) 添加“为什么这么做”的注释

删掉无用的注释（如 //对users进行循环遍历），改为解释为什么用这种方式实现（例如 // 这里用手工循环是因为对象较大，性能更优）。

(3) 简化并美化

拆分长函数，对齐参数以提升可读性，确保代码有着流畅的逻辑，能清晰地讲述一个“故事”。

写在最后

写代码这件事，从来就不是“谁敲键盘更快”的比赛。