资深计算机科学家 Stuart Spence 近日在其个人博客中撰文，阐述了他为何会直接拒绝对由 AI 生成的低质量代码合并请求（Merge Request, MR）进行审查。他将这类粗糙、未经打磨的输出称为 “AI slop”，指出此类提交不仅消耗审查者宝贵时间，还可能对项目的整体质量造成损害。
Spence 归纳出六类典型情况，一旦出现便会直接拒绝审查：
- 存在明显冗余或应删除而未删除的代码：原本应被移除的代码仍保留在提交中，迫使审查者额外花费精力识别和指出，徒增负担；
- 提交者缺乏基本编程语言理解：即使借助 AI，作者若对语言核心概念一知半解，生成的代码难以维护，AI 也无法弥补知识短板；
- 充斥未经筛选的“文档垃圾”：AI 自动生成大量冗余、无关或格式混乱的注释与文档，反而干扰阅读与审查流程；
- 引入风格不一致的代码或测试逻辑：擅自引入新框架、日志方式或测试模式，破坏项目既定风格，增加团队认知成本；
- 对边界条件过度设计，导致新 bug：AI 常倾向于添加不必要的边界处理，结果可能引入逻辑错误，掩盖真实问题；
- 包含无意义或已被弃用的依赖项，且提交者无法说明来源：当无法解释为何引入某依赖时，往往最终归咎于“AI 生成的”，逃避责任。
尽管如此，Spence 并未全盘否定 AI 在开发中的作用。他表示，若代码用于一次性数据分析、处于功能边缘位置，或提交者明确说明 AI 的使用范围并提供了充分的人工验证过程，他仍愿意接受审查。关键在于透明性、责任感与对代码质量的把控。
