怎么判断 AI 生成的代码能上线？
先理解原理和示例，再练习完整口述与追问。
回答要点
检查接口和字段是否真实、依赖与版本是否兼容、状态和异步逻辑是否正确、权限边界是否合理；验证成功、失败、空数据及关键交互。编译通过不能证明业务正确。
准备一个“AI 生成了错误实现，我如何发现并修正”的真实例子。
原理拆解
上线判断围绕行为正确、接口真实、兼容、权限与可观测性。代码可编译只说明满足部分语法和构建约束，不代表业务状态正确。审查时核对 diff 中的事实依赖和影响面，再按风险选择测试与实际页面验收，确保失败分支不会伪装成成功。
示例与推演
认证公共层修改需要检查并发过期、刷新失败、写请求重放和 SSR 隔离；普通文案只需局部检查。生成的组件还要验证空数据、网络错误、重复点击、慢响应、卸载与窄屏。最后确认锁文件、环境变量、日志和回滚方式与发布环境匹配。
易错点
不要默认生成的库、方法和配置真实存在。测试若只是重复实现逻辑，可能无法发现错误，需有独立的预期行为。
参考回答可直接练习口述
我按普通工程交付标准审查 AI 代码：接口字段和依赖是否存在，版本和 SSR 是否兼容，状态归属、并发、权限及错误处理是否正确，修改范围是否合理。再验证正常、空数据、失败、快速重复操作等路径，必要时跑测试、类型检查和真实页面。AI 自述测试通过不算证据，要看实际执行结果。真实面试案例可以讲一次旧请求覆盖或错误 API 被我发现并修正的过程。