# 1. AI 生成代码的常见质量问题中幻觉（Hallucination）、过时 API、安全漏洞、性能问题 A 可能有幻觉、过时 API、安全漏洞与性能问题，需多层门禁与人工审查防范 ✓ 正确答案 B AI 生成代码没有质量问题 C 只有安全问题值得关注 D 过时 API 不影响长期维护
# 2. AI 生成代码的"可读性陷阱"中过度注释、冗余代码、不一致风格 A 注释越多可读性越好 B 风格不一致不影响维护 C 冗余代码无害 D 过度注释、冗余代码与风格不一致会破坏可读性，需工具与规范治理 ✓ 正确答案
# 3. AI 生成代码的"维护性风险"中缺乏领域上下文、过度拟合训练数据 A AI 生成代码天然适配领域 B 过度拟合训练数据无危害 C 缺乏领域上下文与过度拟合训练数据带来维护风险，需注入领域知识并人工核对 ✓ 正确答案 D 领域约束不影响代码维护
# 4. AI 辅助编程对开发者技能的影响中技能退化 vs 效率提升 A AI 提升效率也可能引发技能退化，需保持"理解优先"与对 AI 代码负责的使用纪律 ✓ 正确答案 B AI 必然导致技能退化 C AI 能完全替代开发者的能力 D 技能退化无法避免，无需关注
# 5. 企业级 AI 编码平台的质量治理框架（准入/门禁/度量/审计）如何搭建？ A 只需关注效率，无需治理 B 审计与合规无关 C 门禁可以替代度量 D 通过准入、门禁、度量与审计四要素搭建全生命周期治理闭环 ✓ 正确答案
# 6. "AI 代码返工率/人工修改率"指标如何定义与统计，防止口径注水？ A 指标只能靠主观上报 B 口径注水不影响治理 C 用代码快照对比客观统计并统一口径，交叉验证，防止口径注水 ✓ 正确答案 D 人工重写也算 AI 产出，口径更美观
# 7. AI 生成缺陷的责任归属中当 AI 生成的代码缺陷导致事故时，提示者、审查者与工具平台的责任如何划分，团队问责规则如何设计？ A 责任全在工具平台 B 责任按"引入并确认代码的人"的责任链条划分，以留痕为依据，AI 不背锅 ✓ 正确答案 C 审查者永远无责 D 使用 AI 可自动减轻人的责任
# 8. "Sonar way for AI Code" 等 AI 代码专项质量门禁中 SonarQube 对 AI 代码的检测（AI 生成代码标记、无测试代码阻断等）如何理解与配置？ A 通过 AI 代码标记、无测试代码阻断与既有规则集，把 AI 产出纳入同等质量约束 ✓ 正确答案 B AI 代码无需质量门禁 C 只标记 AI 代码即可，无需阻断 D 门禁只适用于人工代码
# 9. AI 生成代码的知识产权风险中训练数据版权、许可证合规 A AI 生成代码无知识产权问题 B 通过许可证扫描、相似度比对、来源标记与政策法律约束，评估并应对版权与许可风险 ✓ 正确答案 C 只要运行正常就无 IP 风险 D 训练数据版权无法评估
# 10. AI 辅助编程的质量标准演进中从"能运行"到"能维护" A "能运行"就是合格标准 B 标准应从"能运行"演进到"能维护"，纳入测试、可读性、架构与可追溯 ✓ 正确答案 C 可维护性与 AI 代码无关 D 覆盖率只需达标数字即可
# 11. AI 代码审查的伦理考量中隐私、偏见、透明度 A 伦理问题与工程无关 B AI 审查结论无需解释 C 隐私、偏见与透明度需通过脱敏、复核校准与可解释输出应对 ✓ 正确答案 D 偏见不会影响审查结果
# 12. 如何防止 AI 生成代码引入"看似正确实则错误"的隐蔽缺陷，人工评审重点看什么？ A 隐蔽缺陷一定被测试发现 B 常规测试足够拦截隐蔽缺陷 C 人工评审应重点看边界、异常、语义、并发与安全，主动"找错" ✓ 正确答案 D 只要编译通过就无隐蔽缺陷
# 13. AI 代码贡献如何与开发者个人代码混合统计（Git 署名、代码归属）？ A AI 代码无法与个人代码区分 B 人工重写应算作 AI 贡献 C 通过 Git 署名、来源标记与快照对比区分归属，统一口径保证公平可信 ✓ 正确答案 D 统计口径可随意，无需统一
# 14. AI 生成代码的自动化质量门禁中 SAST、复杂度、重复度与测试覆盖如何组合生效？ A 只需 SAST 即可 B SAST、复杂度、重复度与测试覆盖多维度互补，组合设阈值阻断 ✓ 正确答案 C 测试覆盖达标即可合并 D 重复度无需门禁
# 15. AI 代码占比与缺陷密度、冗余率的关系如何度量并驱动治理？ A AI 占比越高质量越好 B 冗余率无法度量 C AI 占比与质量无关 D 把 AI 占比与缺陷密度、冗余率关联分析，据此针对高风险模块加强门禁与审查 ✓ 正确答案
# 16. AI 时代的新质量门禁组合中 Spec 符合度检查、AI 生成标记、复杂度门禁与人工审查率如何组合成可执行、可度量的质量策略？ A 只需 AI 标记即可 B 用 AI 标记分流、Spec 符合度与复杂度检查、人工审查率组合，形成可执行可度量策略 ✓ 正确答案 C 人工审查率越高越拖慢 D Spec 符合度检查无意义
# 17. "评审危机"（review crisis）中 AI 提效导致 PR 数量与速度激增、评审吞吐成为瓶颈，如何用 AI 首审、人工焦点评审与批量门禁治理？ A 评审危机无法缓解 B 用 AI 首审、人工焦点评审与批量门禁分级治理，缓解评审吞吐瓶颈 ✓ 正确答案 C 增加 PR 数量即可解决 D 评审应全部放行以缓解积压
# 18. AI 辅助编程的未来趋势中从代码生成到系统设计 A AI 将完全替代系统设计 B 工程师的能力将被 AI 取代 C AI 从代码生成演进到辅助系统设计，工程师转向设计决策与质量把控 ✓ 正确答案 D 系统设计无需 AI 参与
# 19. 如何评估引入 AI 编码工具前后的缺陷逃逸率变化，建立可信的因果分析？ A 需统一口径、设对照组、控制变量并用长周期观测，建立可信因果分析 ✓ 正确答案 B 前后对比即可得出因果结论 C 缺陷逃逸率无法定义 D 干扰因素不影响评估
