AI写代码还需遵守Lint规则吗？

概述

随着 AI 编程助手和代理（Agents）在软件开发中的普及，一个核心问题浮出水面：当代码主要由 AI 生成时，Lint 规则是否还有存在的必要？事实上，答案恰恰相反。在 AI 辅助编码时代，Lint 的重要性不仅没有降低，反而比以往任何时候都更为关键。它已从单纯约束人类开发者习惯的工具，演变为确保 AI 输出质量、维护代码库一致性的核心防线。

Lint 角色的根本性转变

在 AI 介入之前，Lint 的主要价值在于为后续阅读代码的人类提供便利，如统一格式、移除未使用的导入，以及捕获潜在 Bug（如 React 中缺失依赖的 useEffect）。然而，随着代码作者从纯人类转向 AI 代理，读者群体也发生了显著变化。

AI 代理作为新的“读者”

现代编码代理在生成代码前，会大量阅读现有代码库以寻找可复制的模式。代码库的清洁度在此背景下产生了复利效应：死代码和未使用的导入不仅是视觉上的混乱，更是对 AI 代理的“毒药”。若缺乏统一的规范，AI 极易将这些不良模式放大并传播至整个项目。

尽管维护 AGENTS.md 等提示文档能提供指导，但 AI 并不保证严格遵守。相比之下，Lint 规则提供了强制性的约束——违反规则的代码根本无法进入代码库，前提是建立了严格的 CI/CD 流水线。这种确定性是人类提示词无法替代的。

缓解代码审查瓶颈

AI 大幅提升了代码产出速度，使得人工审查成为工程团队中最稀缺的资源。开发者的普遍反馈是：“我写代码的速度快于获得审查的速度。”

审查员的核心价值在于判断意图（如抽象是否合理、行为是否符合预期），而非检查“第 29 行存在未使用变量”这类机械性问题。Lint 接管了所有确定性检查，将审查员的注意力释放到真正需要判断的逻辑层面。若盲目削减自动检查，将导致 PR 积压，形成严重的“软木塞效应”，而非单纯的瓶颈。

构建多重防御体系

认为 AI 生成的代码需要更少自动化检查的观点是危险的。AI 模型的错误具有不可预测性，这恰恰要求我们引入更多的确定性验证，包括类型检查和自动化测试，而非减少。

AI 写代码的优势在于速度，而非内在可靠性。因此，必须建立由 Lint、类型检查、自动化测试以及经验丰富的工程师提示共同构成的坚固护栏。至于 Lint 的执行位置，若由人类提交，允许临时提交含 console.log 的调试版本；但若由 AI 代理提交，则必须在合并前通过严格的自动化门禁，确保没有任何违规代码流入主干。