五种AI编程工具，五次生产事故，以及我希望首先拥有的过滤器

我以vibecoding为生，使用不同AI工具后，以下是我的发现。在选择工具前，你应了解我的过滤器：它必须能集成到现有工作流中，而不强迫我们重写开发方式。它不能悄无声息地引入逻辑变更（如安全默认值、测试意识）。它应尊重现有架构，将架构决策留给人类。这些标准源于事故。我们曾合并一个PR，其中代理移除了关键错误边界，导致诸多问题，教会我们永远不要信任自动驾驶，只信任自动补全。现在按使用频率大致排序介绍工具。 Cursor。最适合VS Code中的TypeScript团队，但需要.cursorrules护栏，否则会覆盖架构。我们的工具错误使用unstable_cache，导致三小时陈旧数据。一个生成的路由绕过了我们的权限中间件。 GitHub Copilot。在多语言代码库上表现良好，自信到足以引入微妙的异步bug。一个接受的建议用裸Promise.all替换了我们的错误处理，并禁用了Sentry警报。在绿地项目搭建上强大，但在遗留代码上会产生API幻觉。 Windsurf。能跨20个文件保持上下文，这是其优势也是问题。它在无关包中自动修复类型。增强了类型良好的TypeScript，但使类型松散的代码不稳定。 Continue。适合需要本地部署和开放模型的团队。通过Ollama本地运行，风格对齐性强，但1到3秒的延迟让我们放弃。 Aider。将CRUD任务的周期时间减半，但需人工审查参与。重构遗留代码时，引入了竞态条件，花了两小时修复。 未入选的有：Devin、Amazon Q和Tabnine，基于成本模型、生态系统锁定和定价。这些都不是默认安全的。真正有效的是测试覆盖和严格审查。任何包含AI生成提交的PR都需两人审查，包括一次手动QA测试，加上快照测试以捕获意外API变更。这些比任何lint规则都更能阻止回归。如果你使用AI编程工具，你的过滤器是什么？我怀疑我的过于保守，我宁愿被告知而不是慢慢发现。