去年Q3，某金融科技團隊把核心支付模塊丟給4家主流AI代碼審查工具掃描，結(jié)果觸目驚心——一個可導(dǎo)致資金重復(fù)扣款的邏輯漏洞，4個Agent全部漏檢。這不是壓力測試，是真實生產(chǎn)事故的前傳。

測試者用了一個經(jīng)典陷阱：并發(fā)場景下的競態(tài)條件（Race Condition，多線程/進程同時讀寫同一數(shù)據(jù)導(dǎo)致的時序混亂）。支付回調(diào)接口里，狀態(tài)校驗和余額扣減之間留了0.3秒的窗口期，高并發(fā)時同一筆訂單能被觸發(fā)兩次。人類老炮一眼能嗅出的味道，AI們集體失明。

測試設(shè)計：故意埋雷，看誰能排

被測代碼是一個簡化版支付服務(wù)，約800行Go語言。測試者植入三類漏洞：SQL注入（入門級）、硬編碼密鑰（中級）、以及那個競態(tài)條件（高級）。前兩類屬于"教科書案例"，后一類是真實世界里搞垮過Stripe早期系統(tǒng)的同款。

4個Agent配置如下：GitHub Copilot Chat（微軟）、Amazon CodeWhisperer（現(xiàn)Q Developer）、Cursor內(nèi)置審查、以及開源的CodeRabbit。全部開啟最高敏感度，提示詞明確告知"這是金融支付代碼，請重點檢查資金安全和并發(fā)問題"。

結(jié)果分布很戲劇性。SQL注入：4/4檢出，平均響應(yīng)時間12秒。硬編碼密鑰：3/4檢出，CodeRabbit漏了那串藏在注釋里的測試密鑰——它把注釋當(dāng)噪音過濾了。競態(tài)條件：0/4。

最諷刺的是Cursor的反饋："未發(fā)現(xiàn)并發(fā)安全隱患，代碼使用了標(biāo)準(zhǔn)的數(shù)據(jù)庫事務(wù)機制。" 它把Begin/Commit的存在，誤解為對競態(tài)條件的防護。實際上那段事務(wù)只包裹了寫操作，讀校驗在事務(wù)外。

AI的盲區(qū)：看不見"時間"

測試者事后復(fù)盤，發(fā)現(xiàn)所有Agent的注意力機制有共同盲區(qū)。它們解析代碼時，把程序看作靜態(tài)結(jié)構(gòu)圖——函數(shù)調(diào)用、數(shù)據(jù)流、依賴關(guān)系。但競態(tài)條件是動態(tài)現(xiàn)象，需要想象"兩個請求同時抵達"的時序畫面。

GitHub Copilot Chat的回復(fù)最具代表性：「代碼邏輯清晰，建議補充單元測試覆蓋邊界情況?！顾踔翛]提到并發(fā)，把問題降級為"測試覆蓋率不足"。

Amazon Q Developer走得更遠，生成了20行"修復(fù)建議"——給扣減操作加了分布式鎖。但鎖的粒度是用戶ID，意味著同一用戶的所有支付會被串行化，吞吐量暴跌90%。這是典型的"治好咳嗽切掉肺"，AI沒理解業(yè)務(wù)代價。

測試者用了一個精妙的類比：AI審代碼像X光片，能看骨頭有沒有斷，但看不出血液在血管里的流速紊亂。競態(tài)條件是"血流動力學(xué)問題"，需要理解系統(tǒng)在時間維度上的行為，而非空間結(jié)構(gòu)。

人類最后的高地？

這個結(jié)果并不意外。2023年CMU的一項研究（測試者引用了預(yù)印本）顯示，現(xiàn)有大模型在檢測并發(fā)漏洞上的F1分?jǐn)?shù)不足0.4，遠低于傳統(tǒng)靜態(tài)分析工具如Infer的0.72。但傳統(tǒng)工具誤報率極高，每100個告警里97個是噪音，工程師早已麻木。

AI的優(yōu)勢是"說人話"。CodeRabbit雖然漏了競態(tài)條件，但它用中文解釋了一段復(fù)雜正則的作用，比官方文檔還清楚。測試團隊最后把它當(dāng)"代碼講解員"用，而非"安全守門員"。

那個競態(tài)條件最終怎么修的？團隊里一個寫過三年高并發(fā)交易系統(tǒng)的老兵，花了15分鐘在代碼評審會上畫了一張時序圖。不是他比AI聰明，是他2019年踩過一模一樣的坑——某次大促凌晨三點被叫醒救火，記憶刻進了肌肉。

測試者的結(jié)論很克制：AI代碼審查目前適合"掃盲"（基礎(chǔ)漏洞、風(fēng)格問題、文檔補全），但涉及資金、并發(fā)、分布式一致性的關(guān)鍵路徑，仍需人類持有否決權(quán)。不是信任問題，是能力邊界問題。

他在報告結(jié)尾留了一個細節(jié)：那個漏檢的競態(tài)條件，在測試結(jié)束后被故意保留了一個版本，埋進 staging 環(huán)境跑壓力測試。三周后，混沌工程團隊用1000并發(fā)請求成功觸發(fā)了重復(fù)扣款——AI沒攔住的，測試攔住了。

如果AI審查工具明年此時再來一次同樣的測試，你認(rèn)為結(jié)果會有不同嗎？