AI 会自信地胡说
审人写的代码，你大概知道对方哪块强哪块弱。审 AI 写的代码不一样：它永远一脸笃定，哪怕在编造。它可能调用一个根本不存在的函数、引用一个记错的参数名，却写得理直气壮。
# AI 自信地写下：
import requests
resp = requests.fetch(url) # requests 根本没有 fetch！是 get
print(resp.json_data) # 也没有 json_data，是 .json()盯紧它的「事实论断」
AI 代码里最危险的不是逻辑，而是那些被当成事实写下的论断：某个 API 叫什么、某个库的默认值是多少、某个接口返回什么字段。这些它最容易记错，而且错得很像真的。
对逻辑，你靠读和测试就能判断；但对事实论断，你必须去外部信息源核对。
它还爱过度实现
你只要一个「判断字符串是不是空」的函数，AI 可能给你返回一个支持正则、去空格、忽略大小写、还带缓存的「超级函数」。多出来的部分不是贴心，是你没要、却要负责维护和审查的额外负担。
# 你要的：判断是否为空
def is_empty(s):
return len(s) == 0
# AI 给的：塞了一堆你没要的
def is_empty(s, strip=True, ignore_case=False, use_regex=False):
... # 多出的参数全是额外维护成本自测 · 学完检查一下
想真正动手做题、记进度、攒连胜？到互动课里练。
下面哪一项是 AI 生成代码相比人写代码更突出的风险？
答案：会非常自信地编造不存在的 API
AI 的典型风险是「自信地胡说」——以笃定语气写出实际不存在或记错的内容。
下面哪一句属于审 AI 代码时最该去外部核对的「事实论断」？
答案：「这个库的该函数默认会重试 3 次」
关于库默认行为的断言是 AI 最容易记错的事实论断，必须查文档或实测；后三项读代码就能确认。
判断：你只要求实现「两数相加」，AI 却返回了一个支持任意多个参数、还带日志和缓存的函数——这属于过度实现。
答案：正确
你没要的功能被塞进来，增加了维护和审查负担，这就是典型的过度实现。
判断：对于「这段代码的 for 循环逻辑对不对」这种问题，靠读代码和跑测试就能判断，不一定要查外部文档。
答案：正确
逻辑类问题可以靠阅读和测试验证；需要查外部信息源的，主要是 API、默认值这类事实论断。
面对 AI 的过度实现，比较稳妥的做法是？
答案：删掉没要求的多余功能，只留下真正需要的部分
多余功能是额外的维护与风险负担，审查时应砍掉没需求支撑的部分，保持代码精简。
AI 常常以笃定语气写出实际不存在或记错的内容，这种现象常被称为「____」（一个以「幻」开头的两字词）。
答案：幻觉
AI 一本正经地编造不存在的事实，常被称为「幻觉」，是审 AI 代码时必须警惕的核心风险。