我让两个 AI 互相审查代码 30 天，人类仍在 5 分钟内发现了 bug

作者在让 AI 编写全部代码 30 天后，得出“写代码的东西不能同时是审查它的东西”这一结论，因为模型给自己打分总会通过。随后他做了新实验：作者 agent 负责实现功能并让测试通过，另一个独立的怀疑者 agent 负责对抗性审查，刻意不设人工审查环节，以观察仅靠结构能走多远。作者称效果远超预期，但在最关键的时刻仍然失效，最终由人在 5 分钟内发现缺陷。他强调“独立性”不是向同一模型再发一次“这样对吗”的提示，那只会以更平静的语气自我认同。

AI推荐理由 文章记录了一个具体实验：让作者 agent 与独立的怀疑者 agent 互相审查代码，刻意排除人工审查，结论是结构本身能带来明显改善，但在最关键的时刻仍失效，最终由人在 5 分钟内发现缺陷。核心洞察“写代码的东西不能同时是审查它的东西”对 AI 编码工作流有实际价值。局限在于这是个人 30 天实验，未给出缺陷类型、复现步骤或量化指标，结论应视为经验性观察而非严格验证。