验证免费了：AI 时代的真正相变

你写的代码，明天你自己就看不懂了

每个写过代码的人都有过这种经历：打开三个月前自己写的文件，完全不记得某段逻辑为什么那样写。更惨的版本是——改了登录按钮的颜色，结果购物车莫名其妙坏了，而且没有任何人能告诉你为什么。

这不是能力问题，是人类记忆的结构性缺陷。你记不住，你的同事也记不住，等你离职了，接手的人更记不住。

上周，YC CEO Garry Tan 发了一篇长文，从自己的两个开源项目（加起来近百万行代码）出发，提出了一个解法。他说：这个问题不是靠"写好文档"或"小心点"能解决的。解法是让 AI 帮你写测试，把每一条"为什么这样做"永久性地刻在代码里。

注意他说的不是"AI 帮你写代码更快"。他说的是"AI 让你能做到以前贵到做不起的事情：彻底检查你的代码"。

安全带原理：为什么叫"棘轮"

棘轮是一种只能单方向转动的机械结构——扳手拧螺栓只能往前，不能往后。安全带是日常生活中最熟悉的棘轮：拉紧了就退不回去。

Garry 说，软件质量也可以变成一条安全带。方法是：每次 AI 帮你写代码的时候，让它同时做三件事：

下次 AI 再来改代码的时候，它会自动读到之前写的测试、文档和分数。它没法偷工减料，因为测试会报红；它没法忽略文档，因为文档就在上下文里；它没法降低质量，因为历史分数摆在那里。

质量地板只能往上走，永远不会往下掉。安全带拉紧了，退不回去了。

Garry 用自己的项目验证了这件事：72 小时内合了 14 个代码提交，近三万行新代码，每一次发布都比上一次测试更多、质量更好。速度和质量同时做到了，前提是棘轮在。

为什么 AI 之前没人做到这件事

答案很简单：以前太贵了。

写测试是一件枯燥、重复、需要极大耐心的工作。想象一下：你的团队写了一个功能，测试覆盖了 70% 的场景。剩下 30% 是边角情况——某个用户在周二凌晨 3 点用 IE 浏览器提交了一个带 emoji 的表单。理论上应该测，但写那个测试要花两小时，而且开发者已经是周五下午五点了。

不是他不想写，是他累了。每个软件团队都在这个点停下来，管它叫"够好了"。

研究数据证实了这个直觉：超过 10,000 个软件项目的分析显示，测试覆盖率从 70% 提到 90% 时，bug 漏到用户手里的概率会从大约 30% 骤降到 3%。100 个 bug 里原来漏掉 35 个，现在只漏 3 个。这不是线性改善，是断崖式下降。

但问题是：航空业有钱。他们养得起一个团队，花几个月专门写测试。普通软件团队没有这个预算。所以整个行业在 70-80% 这个位置趴了五十年。

然后 AI 来了。

AI 不会在周五下午五点想回家。写第 14 个 edge case 测试的时候，它的心情和写第 1 个完全一样。让 90% 覆盖率在人类团队中不经济的那个"残忍的最后 20%"——恰好是 AI 最擅长、做得最开心、也最不知道什么叫"算了吧"的工作类型。

检查作业以前要花钱请人。现在 AI 免费帮你查。 这就是真正的相变。

Dave 离职了，但测试还在

每个软件公司都见过这一幕：打开一个关键文件，看到一行注释写着 // DO NOT CHANGE THIS -- ask Dave。

Dave 三年前就离开了。

在传统公司里，"为什么这段代码这样写"这种知识存在人的脑子里。Dave 知道那个缓存层为什么不能动，小李记得那次差点毁掉数据库的迁移，老王能解释计费系统里那个怪异的取整逻辑。但人会走——退休、跳槽、burnout。知识跟着走。

测试不会走。

当测试里编码了"取整必须用 0.05 的步长"，旁边的文档解释了"因为实测发现更高精度会导致置信度评分不可信"——这条知识就刻在了代码里，永久性的。不管谁来维护这个项目，不管换了什么 AI 模型，它都能读到这个约束并且遵守。

测试是能活过员工离职的公司记忆。 对一个人的项目来说更关键——因为你的测试就是你唯一的队友。

一个真实的故事：谁说的算？

Garry 用自己的 GBrain 项目讲了一个具体的失败和修复。GBrain 是一个知识系统，它能从大量文本中提取"谁相信什么"。第一次跑的时候提取了十万多条观点。

问题出在一个叫"归属混淆"的 bug 上。系统遇到"AI 将在 2027 年取代 80% 的软件工程师"这种说法时，有 35% 的概率搞不清楚：这话到底是文章作者说的，还是文章作者引用别人说的，还是系统自己从播客录音里推理出来的？

如果你在建一个追踪"谁相信什么"的系统，搞混了"谁"就等于系统核心能力报废。

修复过程是棘轮的教科书案例：

从此以后，没有人需要记住"归属混淆"是什么、取整精度为什么重要。测试替你记住了。 质量地板永久升了一格，退不回去。

不只是代码：能观测的都能上锁

这里有一个容易被忽略的点：棘轮不只适用于"这个函数的返回值对不对"。只要计算机能看到的东西，都能棘轮化。

Garry 给了一个让人印象深刻的例子。他的 GStack 工具有一个功能叫"架构审查"——你让 AI 审查你的技术方案，它应该逐节提问题、挑毛病、挑战你的假设，像一个真正读了你代码的工程经理。

问题是：AI 有时候会"偷懒"——它把所有发现一口气 dump 出来然后退出，根本不跟你互动。而审查的全部意义就在于那个来回对话。

怎么测试"AI 有没有好好跟人聊天"？这可不是传统的单元测试能覆盖的。

Garry 的做法是：造一个虚拟终端，把 AI 放进去，给它一个场景，然后字面意义上盯着它干活——看它有没有在结束前问你至少一个问题。没问？测试失败。

三层安全带

Garry 的文章主要讲代码层面的棘轮。但想一想：这个"只能往上走"的机制，适用范围远不止代码。

这三层有五个共同属性，让棘轮成立：

• 1
  "刻"的成本接近零 — AI 写测试、写文档的边际成本几乎为零
• 2
  刻上去就不会消失 — 存在磁盘上的测试不会忘记、不会辞职、不会 burnout
• 3
  下次自动生效 — AI 每次开工自动读取所有历史测试和文档，不需要人提醒
• 4
  检查是机器做的 — 跑测试是确定性操作，不依赖人的记忆或判断
• 5
  擦掉比留着贵 — 删掉一个测试意味着放弃一个已经验证过的安全保障。没人会主动这么做

第 5 点是核心：保持现状比倒退成本更低，所以系统只会往前走。 这就是为什么叫棘轮——它的力量不来自任何单次决策的正确性，而来自"退不回去"这个结构本身。

那些不做的人怎么样了

Garry 在 YC 和开源社区观察到一个模式：用 AI 写代码但不写测试的项目，几乎都在中等规模时开始崩塌。几千行代码，几个功能交叉在一起，然后每改一处就有别的地方莫名其妙坏掉。

想象搭积木：前十块随便放都稳。第五十块开始，每放一块都会晃。第一百块的时候，你连碰都不敢碰。

这些项目的 AI 没问题，代码也没问题。它们缺的是安全带。 没有测试告诉你"你刚才放的那块积木让第 37 块松了"，你就只能等塌了才知道。

但这不完美

公正地说，棘轮有边界：

• 它保证地板上升，不保证天花板。 Garry 自己的知识系统提取准确率是 68%，还有很大改善空间。但关键是：它不会退回到 35% 了。
• 有些东西测不了。 集成节点、基础设施管道、真正的边角 case。棘轮覆盖的是大多数行为，不是全部。但"大多数"已经足够维持高速前进了。
• 测试本身可能是错的。 棘轮假设你锁住的是正确的行为。这是个递归问题——谁来测试测试？让两个不同的 AI 模型独立评分是一种部分解法。

你能做的一件事

不管你是不是程序员，Garry 的核心洞察适用于所有做复杂事情的人：

每次你交了一笔学费——搞砸了一次、发现了一个坑、弄明白了一个"为什么"——别只是修完就走。把它变成一条规则，一个检查项，一段记录，让它从此不可能被遗忘。

这就是棘轮：你的经验只能往上积累，不会因为记忆衰退、人员变动或者单纯的遗忘而倒退。

以前让人类做这件事太贵了。现在 AI 让它免费了。

这是 AI 时代真正的相变——不是干活更快，是犯过的错永远不会再犯。