你怎样判断代码是否由AI生成?

识别AI生成代码和文档的实用信号，从结构特征到难以欺骗生成模型的问题。

讲师、招聘经理和CTF组织者不断提出这个问题的各种版本。虽然没有单一可靠的检测器，但有一些模式出现的频率足够高以至于有用，尤其是当你评估一批提交内容而非单个独立文件时。

生成代码中的结构特征

生成代码往往以特定的方式过度注释：注释重述该行的作用（# 增加计数器）而非其存在的原因。时间紧张下的人工代码会跳过显而易见的注释，只解释奇怪的部分。生成代码也倾向于统一的函数长度和一致的、教科书级完美的错误处理，即使在人工会偷懒或使用从之前的bug中学到的快捷方式的地方。

另一个特征：变量和函数名过度描述性且同时过度通用。比如 calculate_total_price_with_tax 而非 calc_total 或真实代码库汇聚的任何快速记号。真实项目随着不同人员接触文件而随时间积累命名不一致性。单个文件在300行代码中拥有可疑一致的命名约定，声称由初学者编写，值得再看一遍。

提问那些不运行的部分

最快的实用检查是要求该人解释一个从代码阅读中不明显的特定决策，类似

本文由人工智能协助撰写，经 Michal Pilch（CISSP）审核并发布，Korra Studio。