GitHub Copilot 的 Autofix 自动修复功能居然能

这种所谓的“自动修复”逻辑其实挺让人心惊的。很多开发者习惯了 Copilot 提示哪里错了，点一下 Autofix 就自动把代码改好，觉得效率起飞。但 Snowflake 这次出的问题提醒了我们：AI 修复代码的时候，它追求的是“让报错消失”，而不是“让系统安全”。它可能会为了通过编译或消除 Lint 警告，随手删掉一个关键的权限校验逻辑，或者引入一个看起来能跑通但有漏洞的补丁。

这次事故的本质就是 AI 在没有理解完整业务上下文的情况下，做了一个看似正确但实际上破坏了安全边界的改动。对于我们这种每天依赖 AI 编程的人来说，最怕的就是这种“静默失败”——代码能跑，测试能过，但安全漏洞被悄悄埋进去了。

如果你也在用 Copilot 或类似的 AI 编程工具，千万别把 Autofix 当成真理。我建议在实操中建立一套简单的审计流，尤其是在处理权限、鉴权和数据传输相关的代码时：

一、 强制对比 Diff
不要直接 Accept 所有的 AI 建议。在 VS Code 或 Cursor 里，必须习惯用 Side-by-side 模式对比原代码和 AI 修改后的代码。重点看它是不是删掉了某些 if 判断或 try-catch 块。

二、 编写针对性的安全回归测试
既然 AI 敢帮你修 Bug，你就得用测试用例去“考”它。比如针对一个权限接口，写几个负面测试用例：

# 伪代码：测试未经授权的访问是否被拦截
curl -X GET "https://api.snowflake.com/jira/issue/123" \
     -H "Authorization: Bearer INVALID_TOKEN" \
     --fail || echo "Security check passed"

三、 审视 AI 引入的依赖
有时候 Autofix 为了解决一个类型错误，会偷偷引入一个新的第三方库或者调用一个不常用的 API，这在大型项目中是非常危险的。

说白了，AI 编程工具现在的定位应该是“高级建议者”而不是“决定者”。如果你把代码审查的权力完全交给 Autofix，那么早晚有一天你会发现，你的系统虽然不再报错，但已经变成了一个筛子。