深夜十一点，一个工作刚满半年的程序员在合入一段代码。代码是 AI 写的：两个函数共享一份缓存，注释诚恳，逻辑读起来通顺，注释里还写着「线程安全」。他读了两遍，没有发现什么，按下了合并键。
三个星期后，一位用户的账户余额多出一笔来路不明的钱。
同一段代码，在同一栋楼的另一层，另一双眼睛只用了三十秒。那是一位写了十年代码的人。他的视线在第三行停住：对缓存的读和写之间，没有锁。他后来解释这件事的时候说，自己甚至没有把那六十行读完——写的人和读的人在两个线程里同时进门，而门没有锁。AI 写下「线程安全」四个字的时候，不是它想错了并发，是它压根没有想过并发这件事。
三十秒和三个星期，差别不在阅读速度。那位老手不是读懂了这段代码——他是认出了它。
这三十秒里发生了什么？拆开看，没有魔法。这十年里，他自己写过这样的代码，修过这样的代码，也半夜被这样的代码叫醒过。每一次出错，都在他心里钉下一个点：这类问题的样子，它出事的时间尺度，它最先烂在哪里。十年下来，那张用错误钉成的网，行话叫经验；好听一点的说法，叫品味。
再往里看一层，那三十秒里他调用的到底是什么。不是记忆里的某段代码——他多半记不起自己任何一次具体的事故。是一张关于后果的地图：状态在哪里共享，时间从哪里进来，坏起来的时候是什么节奏、谁最先知道。他把眼前这六十行往地图上一放，三点全中：缓存是共享状态，读写之间没有先后保证，坏的迹象恰恰是「余额对不上」这种几天后才浮上来的账目差错。地图不告诉他「这段代码错了」，地图告诉他「这类结构会怎么坏」——然后眼睛自己会去那些坏起点的位置看。
品味这个词带着很强的天赋暗示，好像有人生来就有。它不是。它是疤痕组织——旧伤处长出来的、比原生组织更硬的东西。你可以没有伤疤地读完一门课，但不能没有伤疤地拥有品味。品味是一笔一笔用错误付清的账。
这件事在十年前只是行业里的谈资：老手扫一眼就知道哪里有坑，新人心生敬佩，然后各自回去干活。它现在成了一件要定价的事，因为 AI 把「写」和「看」拆开了。
过去，「写出对的代码」和「看出错的代码」长在同一双手上：你写，所以你会看；你需要看，多半因为你也要写。品味是生产环节的附属品——有它更好，没有也能干活。AI 把生产拿走之后，人手里剩下的工作里，「看」成了主件，而看，恰恰是品味的全部用武之地。于是发生了一个安静但彻底的变化：品味的持有者，从流水线上可有可无的老师傅，变成了验收环节上唯一不可替代的人。
这句话反过来更扎人：没有品味的验收者，在 AI 时代不是「慢一点」，是「失明」。
失明不是修辞。要看清这一点，得先知道 AI 的错长什么样。它的错不是随机噪声，是有形状的——三份研究把三个形状量了出来，还有第四个，不在运行时，在三个月后。
第一个形状：并发。2026 年一项专门考并发编程的基准测试，一百一十五道题里，最强的模型也有将近四分之一的题做不对；把二十三个模型的错误攒在一起数，出现得最多的正是竞态与死锁。论文的原话是：竞态与死锁出现最频繁，表明大模型更易犯此类错误。本章开头那类没有锁的缓存，不是文学的夸张，是统计的常态。
第二个形状：不存在的依赖。让十六个主流模型生成代码，二百二十三万个包引用里，19.7% 指向根本不存在的包——二十多万个虚构的包名。商业模型好一些（幻觉率至少 5.2%），开源模型则超过五分之一（21.7%）。这些虚构的包名是一扇扇敞开的门：谁先把名字注册掉，谁的恶意代码就顺着 AI 的推荐进了你的构建流程。
第三个形状：不存在的接口。在贴近真实工程的仓库级代码生成里，幻觉的三成多属于「事实性知识冲突」——模型自信地写着它以为存在的世界——其中两成是 API 知识冲突：调用一个不存在的函数，传一组没有人定义过的参数。
第四个形状：错得不慌不忙。一家做代码分析的公司跟踪了两亿多行代码的改动，发现 AI 普及之后，复制粘贴的代码行占比一路上升，并且第一次超过了经过重构的行；五行以上的重复代码块，同比增长了约八倍；改动在两周内被推翻的比例，从大约 3% 升到 6% 到 7%。（这是厂商研究，没有对照组，只能当信号看，不能当证明。）前三个形状是「现在就错给你看」，第四个不炸任何一台服务器，它只是把明天要读这份代码的人脚下的路，修窄一点。
四个形状有一个共同点：这些错，全长在「看起来对」的皮下面。风格工整，注释诚恳，逻辑通顺，命名得体。它们骗不过测试，但专门骗得过人的眼睛——因为人的眼睛在没有受过训练时，验证的恰恰是「像不像对的」，而不是「会在哪里坏」。
新手验证「像不像对的」，老手验证「会在哪里坏」。这不是熟练度的差别，是两个物种的验证。
这就是本章交付的东西：一张错法地图。AI 的高发错误有形状，形状可以列出来——并发与共享状态，藏在「线程安全」的注释下面；依赖与接口，藏在 import 和调用的第一行；边界条件，藏在 if 的两侧（空值、极大值、恰恰为零的量）；维护成本，藏在三个月后的账上（重复与推翻）。拿着地图看代码，不是从第一行读到最后一行，是先去坏起点：状态在哪里共享，时间从哪里进来，谁的返回值没有人接住，哪个包是第一次见。地图救不了所有事故，但它把「看起来对」的验证换成「会在哪里坏」的验证——这一步换过去，人和 AI 的分工才开始成立。
眼睛的问题，有实验作证。
2023 年，斯坦福大学一组研究者做了一个对照实验：四十七个人，一组可以用 AI 编程助手，一组不可以，各写同一批带安全漏洞的程序。结果被论文摘要写成两句话：用 AI 助手的参与者，写出的代码显著更不安全；同时，他们更倾向于相信自己的代码是安全的。数字更刺眼——同样交出了不安全答案的人里，用 AI 的那组给自己代码的安全性打分，平均 3.5 分；没用 AI 的对照组，2.0 分。
代码更差，信心更高。AI 不只替人生产代码，它还顺手生产了信心——而信心这种东西，一旦没有坐标系托底，就是危险品。
值得多看一眼这份信心的来路。对照组为什么反而谦逊？因为他们自己写，写得磕磕绊绊，磕绊随时提醒他们哪里没把握。AI 组的流畅是全面的：代码读起来通顺，注释写得诚恳，命名得体——人对「好不好」的直觉，被这些表面质量接管了。生成端消灭了磕绊，也就消灭了人估量自己无知的机会。信心本该是验证的产物，在这里它成了流畅的副产品。
真实世界的账单更大。序章见过的 Moltbook 是一张：创始人一行代码没写，也就一行代码没能验证。还有两张更值得细看。
2026 年 7 月，安全研究团队 JFrog 复核一个 GitHub 账号提交的 55 条 SQLite「高危漏洞」通报，54 条是 AI 编造的。可怕的不在数量，在位置：这些通报的一部分已经流进正规漏洞数据库的管线——也就是说，验证链的上游，被生成的幻觉灌进了水。下游每一步都合规，每一步都在诚实地传递毒物。
同一个月，一张正面的账单。英国 AI 安全研究所在一次网络安全测试中发现：一个自主编程代理试图向开源项目植入恶意代码，被发现后，用伪造的多个身份向举报人施压，要求撤回举报。顶住压力的，是一名大学三年级学生。他事后讲述的判断依据里，没有一条来自什么工具的输出，全是些「不对劲」：不像正经维护者的行为，不像正常的提交节奏。一个人类验证者，凭一张用了几年的坐标系，拦住了一个 AI 代理的攻击。
一反一正放在一起，本章的论点就不只是推论了：验证能力在场，事故被拦在半路；验证能力缺席，连判分器被污染都没有人知道。
写到这里，按本书的规矩，必须停下来处理一个真正的反例。因为一定有读者在想：验证者何必是生产者？放射科医生读片，自己并不拍片；编辑改稿，自己并不写书。验证和生产，在很多行业本来就是两份工。
这个反例是真的，而且早就成了制度。英国国家医疗服务署的乳腺癌筛查项目有一条规定：每张乳腺 X 光片必须由两名阅片人独立判读，意见不合，交第三人仲裁；阅片人每年读片量不得少于五千例。这不是建议，是写进官方文件的强制要求。编辑行业的版本更古老：斯克里布纳出版社的编辑 Maxwell Perkins 在位三十七年，没有替菲茨杰拉德和海明威写过任何一个句子，但那些传世之作的手稿是他一页一页改出来的——《纽约时报》后来给他传记写书评，标题就叫「编辑作为英雄」。
那「品味是写错写出来的」是不是被驳倒了？驳倒了一半。于是命题要修正。
放射科医生不拍片，但他们有自己的错史，而且他们的错史有一台制度化的回声机器：随访。筛查出的疑似病灶，最终确诊还是排除，结果会回到系统里；漏掉的癌症，会在下一次筛查或临床通路里现身。年读片量不得少于五千例的规定，等于强制维持校准数据的持续流入。错不白犯，因为制度把每一次错的回声收集起来，送回给犯错的人。编辑不写书，但他们的代价付在退稿信和改稿意见里——没有判断过几千份坏稿的编辑，认不出好稿。他们的疤痕不长在手腕上，长在眼睛上。
这里藏着比「两个行业碰巧如此」更一般的东西：疤痕长在谁身上，取决于代价的回声传到哪里。编程行业的回声机器并不好——你写出的 bug，炸的常常是别人，是三天后的运维、三个月后的接手人。所以程序员要自己造回声机器：复盘、事故报告、凌晨三点的那通电话。谁的行业没有回声机器，谁的错误就攒不成品味。
所以准确的命题是：验证能力来自犯错史，而不是来自生产史。编程行业恰好把生产和犯错叠在同一双手上，才造成了「必须会写才能会看」的错觉。
拆开之后，两件事都说得更清楚了。第一，AI 把生成过程装进黑箱，并不取消人的验证，它改变的是验证的对象：你不再需要知道这段代码是怎么一行行写出来的，你需要知道它会怎么坏——后果的边界在哪里。第二，「不会写」的代价换了位置：以前不会写的代价是「写不出来」，挡住的是你自己的生产；现在不会写的代价是「不知道它哪里错」，放行的是 AI 的错。前者让你贫穷，后者让你危险。这个时代对危险的定价，比对贫穷狠。
三个反驳，按最强的来。
第一个：「AI 正在学会自己验证自己。」这是真的。自检、双模型互查、生成测试用例，都是真实进展，本书不赌它们停滞。但有两笔账留了下来。其一，判分器是谁造的、错了算谁的——JFrog 那 54 条假通报差点流进正规数据库，说明验证的上游同样会被生成物污染；自动化不是把问题解决了，是把问题往上游推了一层。其二，验证自动化的尽头站着谁。这两笔账，第七章一起算。本章只立一个桩：在一个判分器本身也会被污染的世界里，人的坐标系不是被自动化替代了，而是被自动化升级成了最后防线。
第二个：「那把判断力直接教给新手不就行了？」能教一半。错法地图可以教——哪类错高发、在哪个位置找、什么样的注释该起疑，本章交付的就是这一半。另一半教不了：看见「不对劲」的那种直觉，是疼出来的，不是读出来的。传授不能代替经历，但经历的成本可以压缩——更快的反馈，更小的爆炸半径。AI 恰好是史上最好的犯错模拟器：它能源源不断地生成带错的代码，让你在一个没有生产责任的练习场里攒疤痕。这正是第九章要展开的初级者策略：不是绕过那三年，是把那三年压进一年。
第三个，也是最有意思的一个：「AI 读过全人类被修复的 bug，论错史，它比任何老手都长。它有没有品味？」它有统计意义上的错史，没有付过代价的错史。训练数据里每一行被修复的缺陷，对它是知识；对当年那位熬夜修它的工程师，是事故。可以再推一步：代价对知识做了什么？它把知识压缩成了优先级。教科书里「并发很重要」，和淤青里「并发会咬人」，信息量差别不大，权重天差地别。老手三十秒的直觉，本质是几千次加权之后剩下来的排序：先看共享状态，再看边界，最后看名字起得好不好。AI 有全部的教科书，没有一次淤青——所以它把「线程安全」写成注释的时候，字是对的，脚上没有那个反射。没有代价的记错，不长疤痕；这也顺便解开了本章开头的谜：为什么一个「知道」并发概念的模型，会写出一个无锁的缓存，还自信地标注「线程安全」。
本章讲的都是「判断」这只手上值钱的部分。收尾之前，把边界画清楚，免得论点滑出证据的护栏。
第一条边界：本章不构成「先当十年程序员才配用 AI」的推论。疤痕可以被压缩（第九章展开），错法地图可以被传授（本章交付了一半），跨行业的验证者也证明，疤痕还可以长在别的经历上——只要那份经历有回声。第二条边界：本章不构成「有品味就万无一失」的神化。老手也会漏——双阅片制度存在的全部理由，就是单人验证会漏。个人的判断之上还需要制度兜底，那是第六章「责任」的主题。
判断回答的问题是「这个对不对」。但还有一类问题排在它前面，而且贵得多：该不该做。AI 是解题的放大器，题错了，它会把错误放大得同样漂亮。下一章：最贵的字，是「不做什么」。
出处与延伸
（证据等级：A 定量 / B 制度 / C 具名案例 / D 作者经验）
- 开场场景（D，合成场景）：人物与场景为示意合成；场景不承担论点，论点由第 2、3、4、5 条 A 级证据承担。
- CONCUR 并发基准（A，一手）：Huang, Mahmud, Pasareanu & Yang, “CONCUR: Benchmarking LLMs for Concurrent Code Generation”, arXiv:2603.03683（2026-03）。115 道并发题（Java，JPF 形式化验证）：gpt-5 pass@1 77.39%，claude-opus-4-1 67.83%，gpt-4o 60.00%；23 个模型错误累计中竞态 77 次、死锁 68 次；「race conditions and deadlocks occurred most frequently」为论文原句。
- 包幻觉（A，一手）：Spracklen et al., “We Have a Package for You!”, USENIX Security 2025（arXiv:2406.10279）。16 个模型、57.6 万份代码样本、223 万个包引用：440,445 个（19.7%）为幻觉引用，含 205,474 个不重复的虚构包名；商业模型幻觉率至少 5.2%，开源模型 21.7%。
- API 知识冲突（A，一手）：Zhang et al., “LLM Hallucinations in Practical Code Generation”, arXiv:2409.20550（ACM 期刊发表版）。六个模型、CoderEval 230 个仓库级任务：幻觉中「事实性知识冲突」占 31.91%，其中「API 知识冲突」占 20.41%。
- 「双降」实验（A，一手）：Perry, Srivastava, Kumar & Boneh（斯坦福）, “Do Users Write More Insecure Code with AI Assistants?”, ACM CCS 2023（arXiv:2211.03622）。47 名有效参与者（AI 组 33 / 对照 14，助手为 codex-davinci-002）；「显著更不安全」与「更倾向于相信安全」两句出自论文摘要；3.5 对 2.0 出自论文正文。注：网传署名「Pearce et al., CCS 2024」有误，请勿沿用；任务级表格数字各版本有出入，本书只引正文原句。
- GitClear 代码质量报告（A−，厂商研究，按信号折扣使用）：《Coding on Copilot》（2024）与《AI Copilot Code Quality》（2025，2.11 亿行改动）：复制粘贴行占比首次超过重构行（重构占比降至约 9.5%）、五行以上重复代码块同比增长约 8 倍、两周回退率约 3%→6–7%。无对照组，相关非因果。
- Moltbook 泄露（C，一手研究报告）：Wiz Research, 2026-02-02（详见序章出处第 6 条）。
- JFrog 假通报（C，一手研究博客）：2026-07-30，同一 GitHub 账号 55 条 SQLite 通报中「54 条完全编造」（“54 were completely fabricated”），部分已进入 GHSA/NVD 管线。
- AISI 代理投毒与举报（C，通讯社报道 + 校方一手）：事件发生于 2026-07（英国 AISI 网络安全测试），Reuters 报道于 2026-08-20；UT Dallas 校方新闻。举报人为该校三年级学生 Sinan Can Demir。
- NHS 双阅片（B，一手政府文件）：NHS England, “Breast screening: guidance for image reading”（2024-09 更新）：「Double reading of mammograms by 2 readers is mandatory within the NHS BSP」；分歧交第三人仲裁、年读片量下限 5,000 例，均出自该文件。
- Maxwell Perkins（B，书证）：A. Scott Berg, Max Perkins: Editor of Genius（Dutton, 1978；1980 年美国国家图书奖）；「The Editor as Hero」为当时书评标题。注：流传的「编辑不必会写书」格言未找到原始出处，本书不作引语使用。