RSS
菜单
社区成员个人主页
宋成员
DEV CN / 成员主页

宋国卿

查看宋国卿发布的技术文章、关注圈子与公开讨论。

693技术文章207关注圈子844圈内发布3关注者
COMMUNITY POSTS

交流圈发布内容

作者在不同技术圈子中的观点与讨论

1
# 求职与面试

你能分辨 AI 代码和人类代码吗?为什么重要?

很多时候能看出倾向:AI 代码通常风格统一、注释完整、但容易出现'过度通用、没有考虑真实业务特例'的特征,也常缺少对异常边界和业务上下文的细腻处理。能分辨的意义不在于'抓 AI',而在于提醒自己——这种'标准答案'恰恰需要人用业务经验去审视哪里不对。真正重要的是审查质量,而不是来源。

2
# 求职与面试

如何防止 AI 生成的代码引入安全隐患?

从源头和末端双管齐下:源头——提示词里明确要求'遵循 OWASP 安全规范、不硬编码密钥、做输入校验';末端——强制走安全审查流程:静态扫描工具、依赖漏洞扫描、人工 review 重点关注鉴权/注入/敏感信息,关键路径加安全测试。再就是原则:AI 生成的代码和人类代码一样进 CI/CD,过同一套安全门,没有特权通道。

3
# 求职与面试

你踩过 AI 生成代码的哪些坑?

(示例)最典型的有三类:①'幻觉式正确'——API 名、方法签名看着对其实不存在,编译才暴露;②边界缺失——没处理空值和异常,生产环境一炸;③过时写法——用了一个已被弃用的库,埋下隐患。吃过的教训让我养成习惯:AI 给的代码一律当'待验证的草稿',跑测试、查文档、看真实调用来验证,而不是凭'它看起来对'就提交。

4
# 求职与面试

你如何判断什么时候该用 AI、什么时候不该用?

看两件事:风险和确定性。风险低、规则明确、产出可验证的(样板代码、脚本、正则、单测)——放心用 AI 提效;风险高、逻辑复杂、涉及核心业务和钱的、需要长期维护的——自己主导设计,AI 只做辅助。核心原则:越是'错了代价大'的地方,越要自己掌控,AI 可以当助手,不能当决策者。

5
# 求职与面试

AI 写的代码,你一定会重点审查哪几处?

五处必看:①安全——有没有 SQL 注入、越权、敏感信息硬编码、权限校验缺失;②边界与异常——空值、超长、并发、超时、重试逻辑对不对;③正确性——业务逻辑是否符合真实规则,而不是'看起来合理';④资源——连接、文件、内存有没有泄漏,有没有正确释放;⑤架构一致性——是否符合既有分层、命名、设计模式。这些都是 AI 最容易'自信地忽略'的地方。

6
# 求职与面试

你如何保证 AI 生成的代码质量?

四道关:①生成前给足上下文——把需求、边界、技术约束、公司规范都喂给它,减少它自由发挥的空间;②生成后逐行评审——重点看逻辑正确性、边界条件、空值、并发、安全;③强制过编译和测试——单元测试、集成测试、lint 一条不落;④小步合入 + 人工 review——绝不整段大块提交。我把它当'初稿',质量责任在我。

7
# 求职与面试

你用过哪些代码生成工具?各自优缺点?

(示例框架)用过 GitHub Copilot、Cursor、Claude/豆包这类。Copilot 内嵌 IDE、补全快,但容易'自信地写错',缺少上下文时会给似是而非的答案;Cursor 强在能读整个代码库、做跨文件重构,但需要我给出清晰的架构约束,否则会跑偏;大模型对话工具适合梳理思路、生成独立脚本。共同缺点是都不理解真实业务约束和验收标准,所以我的定位始终是'最终把关人'。

8
# 求职与面试

你日常在工作中是怎么用 AI 工具的?

我把它当'高级结对搭档'而非'自动写手':①用来快速生成样板代码、重复性 CRUD、正则、测试用例,省时间;②用来解释陌生代码库、生成文档、梳理复杂逻辑,帮自己快速理解;③用来做代码审查的第二双眼睛,找遗漏。但所有产出我都会逐行审,绝不盲信,关键逻辑、安全、边界必须自己把关。

9
# 求职与面试

你的价值是随时间增值,还是会被稀释?

取决于我把时间花在哪。如果我只练'写代码'的手速,会被稀释;但我在练判断、架构、业务理解、带团队,这些会随着项目经验和行业理解复利增长。我刻意把工作往'高杠杆、难被复制'的方向推——做决策、建体系、培养人,让我的单位时间价值逐年上升,而不是被工具越拉越平。

10
# 求职与面试

站在十年后看,这个岗位的核心竞争力是什么?

十年后写代码的体力活大概率全被 AI 接管,岗位的核心竞争力会收敛成三件事:①定义正确问题的能力——在最模糊的地方看清楚该做什么;②系统思考与架构能力——让复杂系统长期健康演进;③对人、业务、组织的理解与协调——把技术翻译成商业价值、把一群人凝聚成一个高效团队。这些能力依赖判断和阅历,AI 学不来,需要十年去积累。