
生成式 AI 编程工具在软件开发团队中已广泛普及,但也带来了显著的质量隐患。TestMu AI 发布的《2026 年质量工程中的 AI 现状》报告显示,高达 81% 的团队承认,他们合并了并未完全理解的 AI 生成代码。此外,团队在代码审查方法上差异巨大,面对实时项目中出现的 AI 生成错误,仅有极少数团队建立了完善的事件响应程序。
这一现状引发了业界对开发团队如何验证 AI 输出的质疑。尽管部分团队采用人工审查,但另一些团队则依赖第二个大语言模型(LLM)来评判代码质量。然而,这种做法似乎反而增加了发布“无人能懂”代码的风险。
“LLM 即裁判”模式的隐患
报告揭示了依赖 AI 生成代码的团队正面临“验证差距”。数据显示,仅有 41% 的团队在将 AI 代码合并至现有(通常是实时运行)代码库之前,会进行自动化检查。面对庞大的代码体量,缺乏高效检查机制成为问题的开端。
目前,55% 的开发团队采用人工审查,51% 的团队将其移交专门的质量保证(QA)团队处理,表明部分企业已采取应对措施。其中,使用第二个 LLM 对生成代码进行评分看似明智,尤其在修复问题方面可能有效,但代价高昂。
数据显示,采用“LLM 即裁判”模式的团队,发布其无法理解代码的比例高达 29%;而未采用此类评分模式的团队,这一比例仅为 15%。
建立独立验证机制
TestMu AI 联合创始人兼首席执行官 Asad Khan 指出,核心矛盾在于 AI 代码的验证速度未能跟上其产出体量。“软件团队现在依赖 AI 编写代码、生成测试,并日益由 AI 决定两者是否 ready for release,”Khan 表示,“但验证工作并未同步跟进。”
Khan 强调,AI 产生的任何输出在合并及每次变更时,都应通过独立于生成模型的系统进行验证。调查结果显示,遵循这一纪律的团队进入生产环境的缺陷更少。Khan 预测,这将成为使用 AI 进行发布的工程组织的标准做法。