AI破坏了代码审查。知识共享怎么办？
内容提要
AI生成代码量激增导致代码审查失效，知识共享受损，形成认知债务。解决方案是转变审查重点，从代码细节转向意图和验收标准，记录决策与约束，使审查者关注“为什么”而非“是什么”，以维护团队心智模型，防止理解力下降。
延伸解读
认知债务：看不见的团队风险
文章指出，技术债务存在于代码中，而认知债务存在于人脑中。当团队依赖AI生成代码，却无人真正理解系统时，认知债务就会累积。这种债务没有仪表盘可以监测，但会导致团队无法修改产品，因为成员失去了对系统的心智模型。这提醒我们，在追求AI带来的效率时，必须警惕团队理解力的下降。
审查重点的转变：从代码到意图
传统代码审查关注代码细节，但在AI生成大量代码后，人工逐行审查已不现实。文章提出将审查重点转向意图和验收标准，即审查者应关注“为什么”而非“是什么”。通过记录决策、约束和验收标准，审查者可以评估是否在解决正确的问题，而不是陷入代码细节。这更有效地利用了资深工程师的时间。
知识共享的“左移”策略
代码审查曾是知识共享的关键环节，但AI改变了这一过程。文章建议将知识共享也“左移”，即在编码过程中就进行教学和审查，而不是等到提交后。通过捕捉工程师与AI交互时的决策，并将其作为验收标准，可以保留知识，维护团队的心智模型。这有助于防止团队在AI辅助下失去对系统的理解。
Q&A
AI生成代码为什么会导致代码审查失效？
AI生成代码量激增，工程师需要审查大量非自己编写的代码，且生成速度过快，导致无法仔细阅读，代码审查变得不可能。
什么是认知债务？它和技术债务有什么区别？
认知债务是指团队对系统理解力的下降，存在于人脑中；技术债务存在于代码中。认知债务在团队停止理解所构建系统时积累，且没有仪表盘能检测到。
如何解决AI时代代码审查中的知识共享问题？
解决方案是将审查重点从代码细节转向意图和验收标准，记录决策与约束，使审查者关注“为什么”而非“是什么”，从而维护团队心智模型。
在AI辅助开发中，工程师如何保持对代码的理解？
工程师需要捕获与AI交互时的决策，将其写为验收标准，并在审查时关注意图和行为，而不是逐行阅读代码，这样能建立和维护心智模型。
为什么说审查验收标准比审查代码更有效？
审查验收标准让审查者关注决策和意图，而不是实现细节，能更高效地利用资深工程师的时间，并促进知识共享。
AI生成代码对团队知识共享有哪些负面影响？
AI生成代码导致团队成员不再形成对代码的心智模型，知识共享减少，可能造成认知债务，使团队对系统的理解力下降。
