上个月，某公司的CTO在全员会上宣布：“从今天起，所有新项目必须接入AI代码生成工具，KPI考核代码产出量。”台下30多个开发，没人敢吱声。但所有人都清楚，这事儿要出事。

起因：一场“效率革命”

一家企业SaaS公司的技术负责人，团队16个人，产品做了3年，代码库约28万行。今年1月，公司花大价钱买了企业版AI编程工具的许可证。CTO在管理会上算了一笔账：以前一个需求从PRD到上线平均12天，有了AI辅助，目标压缩到5天，人效直接翻倍。

他给出了一个硬性指标：每个开发每周的“有效代码产出”不低于800行。没错，800行/周。

为了达标，团队开始疯狂用AI生成代码。一开始确实爽，CRUD接口半小时搞定，单元测试一键生成，连文档都能自动写。前两个月，需求交付周期从12天压到了7天。CTO在董事会上表了一功。

但从第三个月开始，事情变味了。

第一颗雷：合并冲突地狱

3月底的一次大版本发布，Git合并冲突爆了。不是那种“两个分支改了同一行”的小冲突，而是AI给不同人生成了完全不同风格的代码，但功能重叠。

打开那个模块，发现：

小A用async/await写的异步逻辑，120行
小B用Promise链写的同一功能，95行
小C用AI生成了一个“优化版”，200行，但引入了一个没人见过的第三方库

三个人的代码都能跑，放在一起就跑不了。更离谱的是，AI给每个人生成的变量命名规则完全不同。同一个概念，一个人叫userHandler，另一个叫UserManager，第三个叫AccountProcessor。代码审查？根本审不过来。

第二颗雷：没人知道自己写的什么

4月的一次线上事故，彻底暴露了问题。一个支付模块的边界条件出了bug，导致用户重复扣款。技术负责人让小A去修，他打开代码看了半小时，说：“这段代码不是我写的。”检查Git Blame——确实不是，是AI生成的，但提交在他名下。

又把AI拉出来问，AI回了一句：“这是根据您之前的上下文生成的支付校验逻辑。”废话，AI自己都不记得为什么这么写了。

最后花了4个小时，从PRD到代码一行行捋清楚，才发现AI在生成时把“幂等校验”的逻辑搞反了——它以为是要做“去重”，实际上应该是“保证至少执行一次”。一个字的理解偏差，导致37个用户被重复扣款，赔了12万。

第三颗雷：四个月后的“屎山”

到了5月，代码库从28万行膨胀到了41万行，但功能只增加了20%。多出来的13万行是什么？是AI生成的重复代码、冗余注释、死分支、无用的异常处理、以及大量“看起来合理但实际没有业务含义”的中间层。

跑了一个代码分析工具，结果触目惊心：

代码重复率：34%（行业标准<10%）
圈复杂度平均值：47（行业标准<15）
无注释的AI生成代码占比：71%
未使用的导入和变量：2800+处

更恐怖的是，AI在生成新代码时，会“参考”已有代码的风格——但已有代码本身就是AI生成的。形成了一个“AI学AI”的回音壁，代码质量螺旋式下降。内部管这叫“数字屎山”。

6周清退行动

6月初，技术负责人找CTO摊牌了：“再不处理，下个季度这个代码库就没法维护了。”CTO终于意识到问题的严重性，给了6周时间和2个人的全职投入。

清理策略如下：

第1步：冻结新增。所有新功能暂停两周，先还技术债。

第2步：标记溯源。用Git Blame + AI检测工具，标记出所有疑似AI生成的代码块，大概有6万行。

第3步：分层清理。

核心业务逻辑（支付、权限、数据一致性）：全部人工重写，不信任AI生成的任何一行。
工具类代码：保留功能正确的，统一命名规范和错误处理。
前端UI代码：合并重复组件，删除冗余。

第4步：建立规范。写了一份《AI代码使用规范》：

AI生成的代码必须经过人工review才能合并
禁止AI生成的代码直接上生产环境
所有AI代码必须附带业务逻辑说明文档
每周做一次代码质量扫描

6周后，代码库从41万行缩回了31万行。重复率降到了12%，圈复杂度降到了22。不算优秀，但至少能活了。

最后

AI写代码不是不行，但“行”和“能用”之间，隔着一道巨大的鸿沟。最终形成的要求是：AI可以帮你写初稿，但你必须能解释每一行代码为什么这么写。如果你解释不了，那这行代码就不是你的——它是AI的。而你，要为你的代码负责。

上周，36kr报道了一个叫SlopFix的团队，3个资深工程师专门帮企业清理由AI生成的代码屎山，1万美元一周，承诺把10万行缩到3.5万行。你看，AI创造了写代码的需求，又创造了清理AI代码的需求。这不是效率革命，这是效率轮回。