这个问题的真正落点，其实不在要不要读，而在读完之后谁来担责。

看到一位开发者说，哪怕用 opus 4.8 max，反复让模型改动的代码里仍会藏细节错误；claude 一言不合写上万行，读起来极其痛苦；换成 claude 写、codex 审，codex 又常常过度重构、盯边界条件，反而漏掉真正要紧的问题。这些是个例吐槽，不必据此断言某个模型普遍不可靠，但它指向的结构问题是真的：AI 生成代码的速度已经远远把人类的阅读极限甩在后面，逐行通读在物理上不再成立。

于是审查的形态被迫分层。机械核查交给机器，人聚焦业务逻辑、并发、权限和资金这些核心改动；有人开始用测试前置当锚点，让 AI 先写测试用例，人去核查边界覆盖；也有人用两个不同模型交叉对抗，靠模型之间的差异而不是单一模型更强，去暴露那种"编译通过、测试全绿、但业务逻辑微妙错误"的幻觉式正确。

这背后真正的转移是责任边界的转移。代码质量的口子从"人独担"拆成"人机分层"——人不再通读每一行，但人对核心逻辑、安全漏洞和资金链路的把关不仅没减轻，反而因为 AI 善于产出"看起来正确"的代码而更需要专业判断。所以安全漏洞这类问题必须由专业人员复核，不能因为流水线拦了一道就放手。

一句话：AI 把"写"这件事变得廉价，但没把"对结果负责"这件事变得廉价。审查从逐行读变成了分层担责，人省下的是机械阅读的力气，加码的是对哪里必须由人来确认的判断力。