AI 写代码越来越强，但它不知道我们上周修了什么 bug，把 Bug 重新引入生产环境了

三个月前，我们花了两周时间修了一个 bug 。

用户账单偶尔会出现 ¥0.01 的误差。复现不稳定，线上偶发，客服一直在手动补差价。翻遍了日志，最后定位到一个经典问题：浮点数精度。

0.1 + 0.2 在 IEEE 754 里不等于 0.3，这个大家都听说过，但真的踩到还是很痛。

修复方案是把所有金额改成以「分」为单位存整数，展示时再除以 100 。改动不复杂，但涉及的地方很多，改完之后代码里到处是 amount * 100、Math.round()、/ 100，看起来有点丑，但能用，bug 消失了。

然后上个月，我让 Agent 帮我重构结算模块，优化一下代码结构。

它看到那堆乘除，觉得多此一举，顺手给「简化」了，改回了直接用浮点数。逻辑更清晰，代码更短，单元测试全过。

那个 ¥0.01 的 bug 悄悄回来了。

这件事让我开始认真想一个问题：

我们有代码审查，但我们需要「意图审查」。

这不是 AI 写了烂代码

大家讨论 AI 写代码，通常聚焦在输出质量上：架构合不合理、有没有 bug 、测试过了没有。

但我说的这个问题不一样。

Agent 那次重构质量是好的。逻辑清晰，可读性提升了，测试也没挂。它只是不知道「那堆看起来多余的乘除，是两周 debug 换来的」。

从它的角度看，price * 100 然后 / 100 是纯粹的噪音——数学上等价，白白增加了阅读负担。优化掉，天经地义。

你想想一个工作了五六年的老工程师，碰到这段代码会怎么做？

大概率不会直接删。他会皱着眉头想：「这里为什么要转成整数？不可能是手滑写的，一定有原因。」然后去翻 commit ，或者去问写这段的人。

这叫对不熟悉代码的谦逊感——被坑多了，知道看起来多余的代码往往不是真的多余。

AI Agent 没有这个。它被训练成「顺着干」，而不是「先问为什么」。代码看起来可以简化？简化它。逻辑看起来绕弯子？拉直它。它只会优化表面，不会追问历史。

新项目里这没问题，在一个有历史的真实代码库里，这会出事。

现有的方案都差点意思

每次我说起这个问题，大家都会推荐一些工具。我挨个想过，说说为什么都不够用：

注释：「// 不要修改这里，浮点精度问题」写上去当然有用。但你得先意识到这里需要警告，才会去写。当时修 bug 的人在想的是「终于修完了」，不是「三个月后的 Agent 可能会把这个改回去」。漏写的注释保护不了任何人。

AGENTS.md / CLAUDE.md：同理，你想到的禁忌才能写进去。但大多数坑是事后才知道是坑的，你没法提前把所有决策都整理成文档。

ADR / RFC：门槛太高，大多数团队第一个季度之后就不维护了。就算维护着，也是给人看的文档，不是供 Agent 在改代码前按需查询的。

Wiki / Notion / Confluence：文档会和代码脱节。「金额统一用分存储」这件事，可能在某个内部文档里提了一句，但 Agent 不会在重构代码前主动去翻 Confluence ，就算翻了，也是一堆非结构化的文字，未必能命中。

PR 描述：当时修 bug 的 PR 描述里可能写了原因，但埋在 GitHub 历史里，没人去翻，Agent 更不会主动去看。

每一个工具都是对真实问题的局部回应，但没有一个能在 Agent 动手之前，把「这里曾经踩过什么坑、为什么要这么写」这件事，可靠地送到它面前。

我们缺的是「意图审查」

现有的代码审查，回答的是：「这个变更实现得好不好？」

看 diff ，查正确性、风格、测试覆盖率。这个流程很成熟，也很必要。

但代码审查解决不了另一个问题：「这个变更，在已有的历史背景下，方向对不对？」

这个问题需要审查者记住代码库的历史，记得这堆乘除是两周 debug 换来的，记得某个绕弯子的写法是填过坑之后留下的疤。大多数审查者没这个上下文，就算是原作者，三个月后也可能忘了当时为什么。

所以我觉得我们需要一层新的审查，叫意图审查，发生在代码被改之前，而不是之后。

它问的是：

• 这块代码有没有被踩过坑？当时怎么处理的？
• 看起来「多余」的写法，是不是刻意为之？
• 有没有哪些「优化」是被明确否定过的？
• 这里有哪些不能动的隐性约束？

对人类工程师来说，这些审查以非正式的方式发生：发条消息、瞄一眼 commit 历史、和写那段代码的人聊三十秒。

对 AI Agent 来说，这根本不会发生。没有「去问问当时踩过坑的人」的等价操作。Agent 读当前代码，看起来可以优化，就优化了，历史上踩过的坑对它来说是不可见的。

意图审查要怎么做

要真的能用起来，得满足三点：

第一，决策必须是结构化的。

「金额统一用分存储，避免浮点精度」这句话写在 Wiki 上供人阅读没问题。但 Agent 需要的是：决定了什么、为什么这么决定、涉及哪些文件、哪些操作是被明确禁止的。自由文本把这些结构藏起来了，Agent 每次都要重新解析一遍，还不一定能命中。

第二，决策必须住在代码旁边。

Wiki 会漂移，Notion 会被遗忘，Slack 消息串会被淹没。唯一能和代码永远保持连接的是 git 本身。决策活在 git 里，就能跟着代码一起被 clone 、被 fork 、被带到三个月后还没接手过这块的人面前。

第三，查询必须自动发生，在改代码之前。

如果需要提醒 Agent 「先查一下历史决策」，它就不会查。这个步骤必须内嵌在正常工作流里，就像它在重构前会先 grep 符号定义一样，查历史的摩擦要低于直接动手的摩擦。

我做了个工具

我最近在开发一个叫 Mainline 的东西，把团队决策以结构化记录的形式存进 git 本身，让 Agent 在改代码前可以查询。

每条「意图记录」长这样：

• 决定了什么、为什么这么决定
• 考虑过哪些备选方案，为什么没选
• 识别出了哪些风险
• 涉及哪些文件，哪些操作是被明确禁止的

如果当时修浮点 bug 的时候封存了一条意图记录，三个月后 Agent 重构结算模块，运行 mainline context billing，就会看到：「金额统一用分存储，直接用浮点运算会导致 ¥0.01 偶发误差，已确认线上踩坑，禁止还原。」

那次「简化」大概率就不会发生了。

用了一个月，有几点出乎我意料：

摩擦不在我以为的地方。 我以为工程师会抗拒写这些记录，结果没有——因为 Agent 负责起草，工程师只是过目和调整。真正的摩擦在于：什么时候该封存一条记录？封太频繁是噪音，封太少会漏掉重要的坑。

收益来得比预期晚。 第一周感觉纯粹是额外负担。第三周开始出现「这段为什么要这么写？」的时刻，答案就在日志里。第六周，Agent 开始不用提示就把历史决策当作上下文来用。

两个人协作比一个人用难得多。 一个人用的时候，意图记录是写给自己的备忘。两个工程师同时工作时，它变成了一个协调协议——你得知道对方封存了什么，你们的方向有没有冲突。

工具是开源的（ Apache 2.0 ），目前小范围私测，地址在 mainline.sh 。

https://github.com/mainline-org/mainline

说回这件事本身

AI Agent 现在在很多团队里写相当比例的新代码。代码审查的负担没有降低，反而在升高——因为审查 AI 写的代码认知成本更高，你没办法像问同事一样问它「你为什么这么改」。

现在的情况是，每次代码审查都得身兼两职：一边看实现，一边猜方向对不对。大多数时候，方向验证是静默失败的。审查者不知道那堆乘除是修 bug 留下来的，点了 approve ，坑就回来了。

这个问题靠更好的 prompt 解决不了，靠更大的上下文窗口解决不了，靠更强的模型也解决不了。

这是一个结构性问题：团队踩过的坑住在哪里？

现在它住在人的脑子里、Slack 里、PR 描述里——Agent 不会主动去看的地方。

要让 AI 真正能在一个有历史的代码库里可靠地工作，我们需要把这些知识搬到它会可靠地去看的地方。对大多数团队来说，那就是 git 。

我们有代码审查。我们需要意图审查。

你们有没有被 Agent 悄悄还原过某个 bug 修复？现在是怎么防的？