核心问题

AI 生成的代码进仓库前，要检查什么？

真实场景

AI 帮你生成了一段实现。它能跑，测试也过了一部分。现在要不要提交？

先过检查清单。

常见误区

坏判断是：

只要测试通过，就可以合。

测试覆盖不到的地方，仍然需要理解和 review。

工程视角

AI 代码需要比普通代码更明确地检查上下文，因为它可能填补了你没有提供的信息。

PM 可以怎么做

使用这张清单推动团队规范：

1. 提交人是否能解释代码？
2. 是否符合已有项目风格？
3. 是否引入新依赖？
4. 是否改变安全、权限、隐私或支付逻辑？
5. 是否覆盖关键边界情况？
6. 是否有测试验证核心行为？
7. 是否存在看不懂的复杂正则或并发逻辑？
8. 是否可能泄露内部数据或密钥？
9. 是否需要工程负责人 review？
10. 是否记录了 AI 参与的关键假设？

Atlas Action

把 AI 代码分成三类：

可直接草稿：样板、测试、文档
必须 review：业务逻辑、数据处理、依赖更新
不能独立生成：架构、安全、权限、核心链路

小结

AI 代码不是特殊通行证。

它可以更快进入 review，但不能绕过理解、测试和责任。