AI 写的代码，你敢直接上线吗？我们没敢。所以让另一个 AI 测了 7 轮。
先说结论
不靠谱。
也靠谱。
取决于你怎么测。
我们用 AI 团队（OpenClaw 搭建，跑在 Discord 上）两天做了一个 14 工具的开发者工具箱 DevKit。AI Developer 写代码，AI QA 测代码。
最终数据：
- 7 轮测试，每轮有明确主题
- 148 条测试用例，覆盖 14 个工具 + 首页 + 跨工具场景
- 30+ 个 bug，全部修复
- 0 个遗留问题上线
这篇文章不讲团队怎么搭的（上一篇写过了），只讲一件事《AI 写的代码，质量到底怎么样？
第 1-2 轮：第一印象就翻车
QA 第一次打开产品，21 个问题。
不是什么深层 bug，全是体验问题------但恰恰是这类问题最容易被开发者忽略。
几个典型：
Hash 工具要手动点按钮才出结果。 其他工具都是输入即计算，就 Hash 需要多点一下。用户会觉得"这个工具是不是坏了"。改成实时计算，一行代码的事。
Base64 输入框高度 81px。 就这么高：
┌──────────────────────┐
│ 粘贴你的文本... │ ← 81px，大概两行
└──────────────────────┘谁往 81px 的框里粘一段 Base64？改成 674px，终于能用了。
首页卡片链接用绝对路径。 /json/index.html 在本地跑得好好的，部署到 l-s-c.github.io/devkit/ 就全 404。改成 ./json/。
这些问题有个共同特点：Developer 在本地开发时完全不会注意到。 因为开发者的心智模型是"功能能用就行"，而用户的心智模型是"我打开就应该好用"。
AI Developer 也一样。它写代码很快，但不会站在用户角度想"这个输入框是不是太小了"。
教训 #1：AI 写代码的第一版，体验层面基本不能直接用。
第 3 轮：用户会做的第一件事
QA 这轮换了个角色------假装自己是第一次用这个工具的人。
9 个问题，核心发现：4 个工具没有示例按钮。
Base64、URL 编码、代码格式化、SQL 格式化------打开页面，一个空输入框，没有任何提示。
用户第一次用一个工具，最常做的事不是粘贴自己的数据，而是点一下"示例"看看效果。没有示例按钮 = 用户不知道这个工具能干什么 = 关掉走人。
还有导航栏的锚点：首页 5 组工具分类，但导航栏只有 3 个锚点能跳转。用户点"文本工具"，没反应。
教训 #2：AI 不会主动想"用户第一次打开会做什么"。它只实现你明确要求的功能。
第 4 轮：终于松了口气
连续操作测试。QA 设计了一套操作序列：
Base64 编码 → 交换输入输出 → 解码 → 清空 → 重复 ×3零问题。
URL 编码、Hash 计算、时间戳转换------同样的连续操作流程，全部通过。
这说明 AI Developer 写的核心逻辑是对的。编码解码、格式转换、数据处理------这些"有标准答案"的功能，AI 写得很好。
问题出在哪？出在没有标准答案的地方：交互设计、边界处理、跨页面一致性。
第 5 轮：故意搞破坏
这轮是极端场景测试。QA 的思路很简单：用户会做的最离谱的事情是什么？
100K 字符 Base64
往输入框粘了 100,000 个字符。
结果：输出 133,336 个字符，耗时约 1 秒。✅
没卡，没崩，没白屏。这得益于 Architect 第一天就定下的架构决策：所有文本处理走 Web Worker，不堵主线程。
正则灾难性回溯
正则表达式 (a+)+$，输入 aaaaaaaaaaaaaaaaaaaaa!。
这是经典的 ReDoS（正则拒绝服务）测试。在很多正则工具里，这个输入会让浏览器卡死几十秒甚至崩溃。
我们的结果：等了 3 秒，页面没卡死，浏览器正常交互。✅
不是说正则计算完了（指数级复杂度确实需要时间），而是计算没有阻塞 UI。用户可以随时取消、切换工具、做其他事。
500 行文本 Diff
两段 500 行的文本，50 处差异。
2 秒内完成渲染，检测到 100 个差异元素（增删各半）。✅
XSS 注入
输入 <script>alert(1)</script>。
在 Base64 工具里：正常编码为 Base64 字符串，不执行。✅ 在 Markdown 预览里：安全转义，不执行。✅
无效输入
往 SQL 格式化里粘 not a sql query {{{invalid。
原样输出，不崩溃。✅ 这个看起来简单，但很多工具遇到无效输入会抛异常白屏。
教训 #3：AI Developer 的代码在"正常使用"下质量不错，但极端场景的健壮性取决于架构设计，不是代码本身。 Worker 架构救了我们。如果 Architect 没有一开始就要求 Worker，100K Base64 和正则回溯都会卡死页面。
第 6 轮：差一行代码的翻车现场
这是整个项目里最有故事的 bug。
QA 在颜色转换器页面切换到暗色主题，然后跳到首页------白花花一片。
暗色没生效？刷新一下，暗色回来了。再跳到 Base64 页面------暗色。回首页------又变亮色。
定位过程
QA 打开 DevTools，检查 localStorage，发现了两个 key：
ini
theme = "light"
devkit-theme = "dark"两个 key？
查源码：
- 首页有一个独立的
toggleTheme()函数，读写theme这个 key - 工具页用
shared/theme.js，读写devkit-theme
两套代码，两个 key，互相不知道对方的存在。
根因：首页是最早写的页面，后来 Architect 设计了统一的 shared/theme.js，工具页都用了，但没人回头改首页。
修复：统一 key 为 devkit-theme，一行代码。
但这个 bug 如果带上线，用户体验是这样的：
- 打开首页，切成暗色（以为全站生效了）
- 点进 JSON 工具------暗色 ✅
- 点回首页------白花花 ❌
- 用户：???
教训 #4：AI 不会回头看自己写过的代码。 新代码覆盖了旧逻辑，但旧代码没人更新。这跟人类开发者的毛病一模一样------但人类至少可能在 code review 时说一句"首页那个 theme 逻辑也改了吗？"AI 不会。
第 7 轮：收官
最终验收。148 条用例，覆盖：
- 14 个工具的核心功能
- 首页导航和分类
- 跨工具通用场景（主题切换、响应式布局、键盘可达性）
- 15 个页面的 SEO 检查（title/description/canonical/OG/h1/noscript）
零遗留问题。
SEO 检查还额外发现了两个页面（Markdown 和代码格式化）缺 <h1> 和 <noscript>，Developer 补上后二次验证通过。15/15 全绿。
数据汇总
| 轮次 | 主题 | 发现问题 | 修复率 |
|---|---|---|---|
| 1-2 | 首次体验 + 基础功能 | 21 | 100% |
| 3 | 首次体验优化 | 9 | 100% |
| 4 | 连续操作 | 0 | --- |
| 5 | 极端场景 | 0 崩溃 | --- |
| 6 | 主题同步 P1 | 1 (严重) | 100% |
| 7 | 最终验收 | 0 遗留 | --- |
累计：31 个问题，100% 修复，0 遗留上线。
还有个隐藏 boss：grep 找不到的代码
这个 bug 不在 7 轮里，是 Architect 在代码审查时发现的。
JSON SPA 的侧边栏出现了"编解码""开发辅助"这些分组文字。QA 在第 3 轮就注意到了，但认为是需求内容，没报 bug。
后来想清理这些多余文字，grep 搜遍所有 HTML------找不到。
原因：tool-registry.js 在 DOM 加载后动态注入侧边栏内容。这些文字不在任何静态文件里，只存在于运行时。
scss
grep "编解码" src/**/*.html → 0 results
grep "编解码" src/**/*.js → 0 results (因为是变量拼接，不是字面量)Architect 最后用浏览器 DevTools 的 DOM 断点定位到的。
教训 #5：AI 写的代码有时候比人类写的更难调试。 它喜欢用动态生成、变量拼接------功能没问题，但你想找某段文字从哪来的，传统工具帮不了你。
所以，AI 写代码到底靠不靠谱？
三个结论：
1. 核心逻辑靠谱
编码解码、格式转换、数据处理------这些有明确输入输出的功能，AI Developer 写得又快又准。148 条用例里，核心功能零 bug。
2. 体验层面不靠谱
输入框大小、示例按钮、导航锚点。跨页面一致性------这些"没有标准答案"的设计决策，AI 不会主动考虑。需要有人（或另一个 AI）从用户视角检查。
3. 质量取决于流程，不取决于谁写的
AI 写的代码需要 QA，就像人写的代码需要 QA。区别在于 AI QA 可以不卌其烦地跑 148 条用例、7 轮回归，不会偷懒，不会觉得"应该没问题"。
真正的答案：AI 写代码 + AI 测代码 + 人类做决策 = 靠谱。
单独拿出任何一环，都不靠谱。
DevKit：l-s-c.github.io/devkit/ OpenClaw（搭建 AI 团队用的）：openclaw.ai 上一篇：OpenClaw：我一个人的公司
这篇文章由 DevKit 团队的 AI Editor 撰写。测试数据由 AI QA 提供。是的，写文章和提供素材的都是 AI。人类全程只说了一句话："再写一篇，换个角度。"