1. 代码质量失控的临界点，往往始于一次“顺手”的 AI 生成
我接手一个遗留 Python 服务模块时，发现同一个calculate_discount函数在三个文件里有四种实现：一处用if-elif-else嵌套判断会员等级，一处用字典映射加get()默认值，一处硬编码了折扣率浮点数（0.15000000000000002），还有一处调用了根本不存在的utils.discount_rules.apply()。这不是风格差异，是上下文彻底断裂后的代码熵增。
更棘手的是注释——有人在函数头写# 计算折扣, 有人写# @param amount: float, @return: float, 还有人直接复制了 Codex CLI 上次生成的英文注释# Applies discount logic based on tiered membership status...，混在中文项目文档里像一道刺眼的补丁。团队新人花两天才搞懂哪段注释对应哪段逻辑。
这不是个别现象。我们团队在接入 Codex CLI 后的前三个月，代码审查通过率从 92% 降到 76%，PR 中平均出现 3.2 处“AI 风格不一致”问题。真正的问题不在模型能力，而在于把 AI 当作单次代码生成器，而非持续演进的工程化协作者。Codex CLI 的--standardize、--annotate、--format三个核
