把一句自然语言丢进 AI 代码助手，它在 0.8 秒内吐出一段看似完整的函数。这段代码是真的「想」出来的，还是从训练语料里「抄」出来的？2024-2026 年间，几条独立研究线把这个问题翻了个底朝天：AI 写代码的多数时候并不是在推理，而是在做高置信度的近邻检索和拼接——这就是工程师嘴里的「幻觉」。
幻觉 1：调包名凭空捏造
最经典的幻觉模式——模型给出一个看起来很像样的库名和方法名，但点开 PyPI 根本搜不到。根本原因是 GitHub 训练语料里大量代码引用了内部包、私有仓库或被弃用的旧库，模型把这些「高频但不存在于公开生态」的名字误记成了通用 API。
一个一线工程师的日常体感是：AI 给的 import 语句里大约有 15-25% 在当前 Python 生态里根本装不上。这种幻觉不会触发语法报错，只会在运行到调用时才崩——而那往往已经是代码评审后的几小时。
幻觉 2：函数签名张冠李戴
把 A 库的方法名拼到 B 库的调用语法上，是 AI 写代码的第二高发幻觉。比如把 requests 库的参数顺序错记成 urllib3，或者把 TensorFlow 1.x 的 API 当成 PyTorch 风格的函数调用。
这种幻觉之所以难察觉，是因为 IDE 不会立刻报错——只有运行到调用栈才会提示「unexpected keyword argument」。代价是开发者花了 30 分钟读代码、5 分钟改语法，最终发现 AI 给的整个调用范式都得重写。
幻觉 3：旧 API 当新功能
模型的知识截止时间是个硬约束。当一个库发布了 2.0 重大改版，旧 API 全部废弃，AI 仍然会按 1.x 时代的语法给出建议——因为它的训练语料里 1.x 的代码数量是 2.x 的几十倍。
这种幻觉的隐蔽性最高：代码看起来完全可运行，但调用的是一条已经被官方标记为 deprecated 的路径。一年后升级依赖版本时，代码会集中爆发式失败，而那时已经没人记得这一行是 AI 写的。
幻觉 4：旧 bug 一起抄过来
GitHub 上有大量从未被 review 过的「练习项目」「教程仓库」「作业提交」，它们本身的代码就有 bug、变量名混乱、错误处理缺失。模型把这些当成「正确答案」记下来，输出时也会复现同样的反模式——比如永远不写 try/except、永远不验证用户输入、永远假设外网可用。
这条幻觉解释了为什么 AI 给的「教学风格代码」在生产环境几乎必然会出问题：它复刻的是 GitHub 上教学仓库的代码风格，而那些仓库的代码本身就没打算上线。
幻觉 5：上下文溢出后的随机拼接
当 prompt 很长、上下文窗口快被撑爆时，模型的注意力会显著退化——后半段的 prompt 几乎是「半失明」状态。这时它会从训练语料的近邻里随机抽一段拼接上去，表面上看整段代码风格一致、变量名连贯，但实际上和用户的需求已经偏了十万八千里。
这条幻觉的特征是「代码越写越长，但越改越跑不通」。一个简单的需求被扩写成 80 行的函数，看着像是深思熟虑的结果，其实只是注意力涣散后的随机延伸。
为什么「背答案」反而像在思考
5 类幻觉有一个共同根因：AI 不是在「理解需求 → 设计算法 → 写代码」，而是在「需求 → 检索近邻 → 拼接最像的代码片段」。这两条路径在短任务里表现几乎一致——因为大多数短任务在 GitHub 上有几百个相似解，模型只要找到最像的那个拼出来就行。
差异在长任务、跨库任务、新需求任务里放大。当用户的需求在训练语料里没有近邻时，模型必须真的「思考」，而这时候它的推理能力远远不如它的检索能力——这就是幻觉密度突然上升的临界点。
工程师的 5 条护城河
把幻觉从「玄学问题」变成「工程问题」，需要建立 5 条防线。第一，AI 给的所有 import 都过一遍 PyPI 实际查询，不到 30 秒的成本能挡住至少一半的幻觉。第二，关键函数签名至少查一次官方文档，不要相信 AI 给的形参顺序。第三，对训练截止时间之后发布的新 API，永远以官方文档为准，AI 的建议只能当参考。第四，教学风格的代码在合并前必须人工 review 一遍，重点看错误处理和边界条件。第五，长 prompt 任务要主动分段，别让模型在上下文快撑爆的窗口里硬撑。
说到底，AI 写代码不是「替代工程师」，而是把工程师的时间从「写」挪到「审」。幻觉密度高的代码不会自动消失，只会把成本从「写代码的人」转移到「审代码的人」——而后者往往更贵。下一次当 AI 一秒吐出 80 行代码时，别急着复制粘贴，先花三分钟看看它到底在背哪一段答案。