如何防止AI生成代码增加研发项目技术债务

围绕正确性、可维护性和安全性进行审查

检查代码是否符合项目架构、编码规范和业务规则，确认异常处理、边界条件、权限校验及敏感数据处理是否可靠。也要留意重复实现、过度抽象、依赖引入和未经解释的复杂逻辑。不要只依据代码能否通过编译或演示来判断质量。

向AI提供明确的项目上下文和约束

在提示词中说明相关模块职责、技术栈、接口约定、目录结构、编码规范和禁止采用的方案，并提供具有代表性的现有代码。生成后对照架构文档和相邻模块进行检查，必要时拆分需求，避免AI在信息不足时自行补充关键设计。

针对业务边界和失败场景补齐验证

除现有单元测试外，还应根据改动范围检查集成测试、接口测试和回归测试。重点覆盖空值、异常输入、权限不足、并发访问、超时和依赖服务不可用等场景。测试应验证预期行为，而不只是复现AI生成代码当前的实现方式。

纳入依赖审核与安全扫描流程

新增依赖前核实其维护状态、许可证、版本来源和项目兼容性，避免为简单功能引入不必要的包。对生成代码执行静态分析、漏洞扫描和密钥检测，并人工检查输入校验、SQL拼接、鉴权逻辑及敏感信息输出等高风险部分。