用 AI 与代码分析提升 .NET 代码质量

作者指出 LLM 普及后代码量显著增加，随之而来的是对 AI 生成代码质量与正确性的不确定。文章借用 Harness-engineering 思路，用确定性工具作为“传感器”按一致规则校验 LLM 或人的输出，并分享在 .NET 应用中构建此类传感器的经验，重点介绍 Roslyn 分析器（C# 编译器，dotnet CLI 与 Visual Studio 使用），并给出入门建议。

AI推荐理由 面向 .NET 开发者的实操文章，提出用 Roslyn 分析器等确定性工具作为“传感器”校验 LLM 生成代码，回应 AI 代码质量不确定性问题，对开发工具链有具体参考价值；内容为经验分享，未给出量化效果。