AI 编程的风险与边界¶
一句话：AI 编程在金融/资金计算/合规场景有明确局限，核心决策逻辑必须坚持人工；同时要警惕幻觉代码与密钥泄露等安全风险——"懂风险、划边界"是 Vibe-Coding 真加分的三要素之一。
概念¶
报告第四章指出，真正加分的 Vibe-Coding 是「懂原理 + 有量化 + 有工作流」，而"懂风险、划清边界"是工作流与风险认知的落点。简历模板明确写到：「明确 AI 编程在金融/资金计算/合规场景的局限，对核心决策逻辑坚持人工编写，AI 负责模板代码与测试」。
会吹"零古法编程"却讲不清边界，是典型红旗；能把"哪些交给 AI、哪些坚持人工"讲清楚，才是成熟的 Vibe-Coding 实践者。
原理 / 机制¶
AI 生成代码的主要风险¶
| 风险类型 | 表现 | 影响 |
|---|---|---|
| 幻觉代码 | 生成不存在的 API、虚构库函数、编造方法签名 | 编译失败或运行时错误；最危险的是"看起来对实则错"的逻辑幻觉 |
| 逻辑幻觉 | 资金/金额计算用错类型（如浮点累计误差）、边界条件遗漏 | 金融场景的资金错误、对账不平 |
| 安全风险 | 生成代码中硬编码密钥/Token、把敏感信息写进日志或提交进仓库 | 密钥泄露、合规事故 |
| 合规风险 | 在受监管场景（金融/资金/隐私）使用未经审计的 AI 生成逻辑 | 合规违规 |
| 过度依赖 | 核心决策逻辑外包给 AI，丧失对系统的掌控 | 线上事故时无法定位、无法兜底 |
实战要点¶
必须坚持人工的边界¶
简历模板与报告反复强调：核心决策逻辑坚持人工编写，AI 负责模板代码与测试。可按下表划分：
| 场景 | 是否可交 AI | 说明 |
|---|---|---|
| 模板代码、CRUD、DTO/映射 | 可 | 模式化、可验证、低风险 |
| 单元测试、边界用例 | 可（人工评审） | AI 生成 + 人工评审断言有效性 |
| 重构、批量改造 | 可（人工评审） | AI 执行 + 人工复核 diff |
| 资金/金额计算 | 否 | 类型与精度（用 BigDecimal 而非浮点）、舍入规则、对账逻辑必须人工 |
| 合规/受监管逻辑 | 否 | 风控规则、隐私处理、审计要求必须人工并受审计 |
| 核心算法/决策 | 否 | 业务核心决策、安全关键路径坚持人工掌控 |
| 安全相关（密钥/鉴权） | 否 | 密钥不进代码、不进日志、不进 AI 上下文 |
安全风险防范要点¶
- 密钥不进上下文：不要把密钥/Token/敏感配置粘进 AI 对话或提交进仓库；用环境变量/密钥管理服务。
- diff 与提交前扫描：CodeReview Agent / CI 增加密钥扫描（secret scanning），拦截硬编码密钥。
- 审计与可追溯：AI 生成的核心模块需人工标注来源、保留评审记录，便于追溯。
"真加分"的三要素对照¶
报告明确：「懂原理 + 有量化 + 有工作流才是真加分」。对照红旗：
| 维度 | 真加分（L3+） | 红旗 |
|---|---|---|
| 原理 | 能讲 Claude Code 主循环/上下文/记忆机制 | 只会说"会用" |
| 量化 | 交付周期/效率提升有明确前后值与口径 | 只有定性"提升很多" |
| 工作流 | 有闭环（需求-代码-测试-评审）、CodeReview Agent、统一规范 | 口号式"零古法编程"无工作流佐证 |
| 风险 | 能讲清金融/资金/合规边界与人工兜底 | 不知局限、全盘外包 |
红旗对照（报告实证）：谢鹏"零古法编程"口号激进但有关键词堆砌嫌疑，真实深度需面试验证；赵立新/邓鹏 Agent 顶尖却 Vibe-Coding=L0，是"偏科型"淘汰典型——Agent 经验不能替代 Vibe-Coding 经验。
本节相关题目¶
| 难度 | 题目 | 链接 |
|---|---|---|
| 基础 | AI 生成代码主要风险 | → 题库 |
| 进阶 | 为何"零古法编程"口号不可信、报告红旗是什么 | → 题库 |
| 深度 | 金融/资金/合规场景 AI 编程边界、哪些必须人工、如何划分 | → 题库 |