下面这份清单把 AI 代码审查拆成可勾选的动作，按阶段检查即可。AI 代码审查是让 AI 在人工评审之前或同时，检查代码中的潜在问题：逻辑错误、边界情况、安全隐患、性能问题、可读性和风格不一致，并给出具体的修改建议。把 AI 接入日常工作流时，最重要的是明确哪一步由 AI 起草、哪一步由人把关。分工清楚，效率和质量才能兼顾。

适合对照清单的时刻

  • 评审他人代码时作为辅助。
  • 团队人手紧张，评审积压。

清单的意义在于：它最不擅长的是“意图型问题”：这个设计是否合理、是否符合业务需求。

使用前

  • 准备好改动内容和必要的背景：改动目的、相关需求。
  • 说明审查重点，例如安全、性能、边界情况。
  • 让 AI 按严重程度列出问题，并指向具体代码行。
  • 确认材料中不包含银行账户、工资明细、发票信息和公司财务数据，必要时先脱敏。

使用中

  • 逐条判断问题是否成立，删除误报。
  • 对成立的问题修改代码，或在评审中讨论。
  • 说明改动目的和相关需求，AI 才能判断逻辑是否正确。
  • 拆成小块审查，问题定位更准确。

使用后

  • 最终仍由人工评审者确认合并。
  • 审查前移除敏感信息，遵守公司规定。
  • 关键事实、数字和日期已对照原始资料核实。
  • 财务特别注意：让 AI 写公式和处理步骤，而不是把含真实金额的表格整份上传。

不要这样做

  • 把 AI 审查当作最终结论。
  • 不提供背景。
  • 一次审查大量改动。
  • 全盘接受所有建议。

配套模板

清单配合下面的模板使用效果更好：

请审查下面这段代码改动，背景：财务正在处理“完成 9 月月结和凭证整理”。
审查重点：
1. 逻辑错误和未处理的边界情况；
2. 安全问题（输入校验、权限、敏感信息）；
3. 性能隐患；
4. 可读性和命名。
输出格式：| 严重程度（高/中/低）| 位置 | 问题 | 建议修改 |
只报告你有把握的问题，不确定的放在最后单独列出。
代码：[粘贴改动]

按清单完成后，结果大致会是这样（虚构示例）：

示例输出（虚构）： | 高 | 第 42 行 | 用户输入直接拼接到查询语句中，存在注入风险 | 改为参数化查询 | | 中 | 第 58 行 | 未处理列表为空的情况，会抛出异常 | 增加空列表判断 | | 低 | 第 12 行 | 变量名 tmp 含义不清 | 改为 pendingOrders |

让清单更好用的两个习惯

  • 把团队的编码规范和常见问题清单给 AI，审查会更有针对性。
  • 把 AI 发现的高频问题整理成团队规范。

清单之外

AI 审查会有误报吗？ 会，有时会把正确的写法当作问题，所以要逐条判断，并要求它标注不确定的问题。

如何减少误报？ 提供项目规范和背景，并要求“只报告有把握的问题”。

清单的使用建议

清单的意义在于把容易忘的动作固定下来。刚开始每一项都勾一遍，几次之后你会发现真正容易漏的只有两三项，把它们标红即可。如果你是财务，处理“和两家供应商完成往来对账”这类工作前过一遍清单，最能体现价值。

相关阅读