如何快速识别一段 Python 代码是不是 AI 写的？

我整理了一份“AI代码征兆集”，列出了一些容易识别出 AI 生成代码的特征。当然，辨别人写的代码和 AI 写的代码每天都在变得更困难，但目前还是能找到一些共通的“红旗”特征，尤其是出现在 ChatGPT、Claude、DeepSeek 生成的代码中。

一、注释风格
我当然希望所有学生都能像 ChatGPT 一样写出详尽的注释——但现实是，他们做不到。
过度详细的注释，或风格怪异的注释，可能意味着是 AI 写的。

比如，DeepSeek 很喜欢用三引号 """ 写多行注释，即使那根本不是真正的 docstring，也没有标明参数或返回值：

这种注释方式我觉得非常不自然，因为在我的课堂上我们讲的是用 # 来做单行注释，而 """ 是专门用于 docstring 的。
另外，如果在注释中出现像“≡”这样的特殊字符，也可能是 AI 写的。除非我打算让很多人看到这段代码，不然我自己写代码时几乎不会特地去找这些符号。我相信学生们也一样。
二、Lambda 表达式
别误会，我本人很喜欢 lambda 表达式，也认为它们是 Python 的一项精巧设计。不过，lambda 的本意是写一些临时、一次性的小函数，比如传入 map()、filter()、sorted() 这种函数中。
如果 lambda 被用错了、滥用了，或出现在学习进度尚未涉及的时候，就很可能是 AI 写的。
比如，如果在我们还没系统学习 lambda 的时候，学生交上这样一段代码，我很容易就能闻出 ChatGPT 的味道：

这段代码太复杂、太“反自然”，不像一个初学者能自然写出来的，特别是把递归逻辑硬塞进 lambda 表达式中，明显是 AI 的风格。
三、库的使用方式
库导入的位置问题
如果库的 import 没写在文件开头，而是“散落”在代码中某处，这可能是 AI 写的。
虽然这种情况我只遇到过几次，但如果你课堂上强调过“所有导入要放在文件开头”，那看到这种代码就要警觉。
使用的库本身
使用一个没有必要的库，尤其是还没在课堂中讲到的库，也可能是 AI 参与的痕迹。
还是看之前那段 lambda 代码：
如果你还没讲过 functools 模块，那学生可能是用 ChatGPT 或谷歌找到的。虽然这本身没错，但确实提示了“AI 介入”的可能性。
四、命名与格式不一致
这个问题就比较直观了。如果你布置作业时明确写了某个变量或字段的名字，但学生交上来的代码却用了一堆“规范但不符合你的要求”的变量名——那很可能是 AI 写的。
比如这段代码是求小于 n 的所有素数，变量命名都非常标准：
我自己的写法可能会直接用 n 代替 limit，函数名也会用 prime_finder() 而不是 sieve_of_eratosthenes() 这么长。虽然不能完全凭这点就断定是 AI 写的，但如果结合其他“红旗”，就更有可能了。
五、逻辑错误
最明显的“红旗”，当然是逻辑错误。但要区分是学生的水平不够，还是 AI 理解出了问题，其实很难。
LLM 本质上是基于概率建模的系统，它们根据上下文生成“可能合理”的下一个词或代码块，而不是“真正理解”问题。这导致它们在处理需要严密推理或逻辑严谨的问题时，经常会出现错误。比如：索引出错、不处理边界情况、算错结果等等。
如果代码中存在不符合逻辑的错误，尤其是算法推导出错，那就很可能是 AI 写的。
理想情况下，认真负责任的学生会在交作业前检查并修复这些问题。但现实是，很多学生交上来的代码根本跑不通，甚至直接报错。
最后一点建议
我们很难用一套“绝对规则”来判断一段代码是不是 AI 写的，所以我建议大家在教学时以“探索式”的态度去沟通，而不是质疑或指责。如果我怀疑某位学生对 AI 依赖过度，我可能会请他在白板上现场讲讲解决思路，或者让他解释自己写的代码是怎么来的。