大家都在吵「这算不算 AI 写的」，我倒想问
一、连检测工具自己都在打架
拿同一段混合代码跑了三个主流检测器：GPTZero 说 85% 人类，Copyleaks 直接判定 AI 生成，Turnitin 给了个模糊的「疑似」。更离谱的是，我把自己两年前没碰过 LLM 时写的 Python 脚本扔进去，GPTZero 也给出 30% AI 概率。原因很简单——规范的代码风格、标准的设计模式、甚至 if __name__ == "__main__": 这种模板化写法，在概率模型眼里全是「低困惑度、高确定性」的典型 AI 特征。
二、工作流里根本没「纯人类」这档子事
现在正经写代码谁不带个 Copilot/Codeium/Cursor？Tab 补全一次算不算？Cmd+K 重构一块函数算不算？我把 prompt 细化到「用访问者模式重写这段逻辑，保持原有接口不变」，生成的代码我连个分号没动——这算我的还是模型的？再退一步，Stack Overflow 复制粘贴的年代，没人纠结「这算不算别人写的」，怎么到 LLM 这儿非要搞个血统证明？
三、水印方案治标不治本，还伤无辜
OpenAI 那套水印方案搁置至今，根本原因是 False Positive 率压不下来。对抗式改写（Quillbot、甚至让另一个 LLM 「用更口语化的风格重写」）五分钟就能洗掉水印；真正的受害者是不得不频繁调用 API 的正规开发者——生成的 JSON Schema、SQL DDL、Kubernetes Manifest 全是高确定性结构，水印强度强到离谱，反手就被自家检测器判定「AI 生成」，CI/CD 流水线里的自动化脚本全挂了。
四、与其纠结来源，不如验收结果
我们组现在的做法很简单：PR 描述里必须写清「核心逻辑由谁设计、关键边界条件如何测试、性能基线跑在多少」。Commit message 规范里加了 design-by: 和 reviewed-by: 两个字段，至于行级别是不是 Tab 出来的，Code Review 时只看逻辑对不对、测试过没过。上线后出了 Bug，Git blame 定位到人，没人会追问「那行 for 循环到底是你敲的还是模型补的」。
定义「AI 写作」唯一的商业价值，大概就剩给版权律师和查重软件卖课的赚钱了。工程师的时间，花在把模型当动力工具用、把精力省下来攻克业务难点上，不香吗？
