近日，一位开发者在美国Hacker News社区发布了名为“Show HN: Formally verified 3D CSG: Trust 93 lines spec, not 1000 lines AI code”的项目，迅速引发技术圈热议。该项目的核心主张直指当前AI生成代码浪潮下的一个关键痛点：当代码规模膨胀至千行，而AI黑盒生成过程难以审查时，如何确保软件正确性？作者给出的答案是：回归形式化验证，用93行可证明的规范取代对千行AI代码的盲目信任。

一、什么是3D CSG？

CSG（Constructive Solid Geometry，构造实体几何）是三维建模的经典方法，通过并集、交集、差集等布尔运算，将立方体、球体、圆柱等基本几何体组合成复杂形状。从CAD软件到游戏引擎，CSG无处不在。然而，其算法涉及大量浮点运算和边界情况处理，极易引入难以察觉的数值误差或逻辑漏洞。传统上，开发者依赖大量单元测试和人工审查来保证正确性，但对复杂几何操作来说，覆盖所有边界的测试几乎是不可实现的。

二、形式化验证：数学证明代替测试

形式化验证是一种通过数学逻辑和定理证明来确认程序行为与规范完全一致的技术。与测试只能断言“某些输入下行为正确”不同，形式化验证能提供绝对的保证——只要规范正确，代码必然正确。

该项目作者利用形式化验证工具（推测为Coq或Lean），仅用93行代码就完整定义了3D CSG操作的语义规范：包括几何体表示、布尔运算的数学定义、边界情况处理规则等。这些规范是可读、可审查、可证明的。而实际的执行代码（约1000行）——据作者表示，可能是由AI生成或手动编写——则通过形式化证明被严格约束：任何偏离规范的行为都会被证明系统拒绝。

三、为什么93行规范比1000行AI代码更可靠？

当前，基于大语言模型的代码生成工具（如GitHub Copilot、Cursor等）已能快速产出功能代码，但存在根本性缺陷：AI模型仅基于统计概率生成代码，不具备对语义的正确性理解。一个看似合理的1000行实现，可能在某个极少出现的输入下产生灾难性错误。而93行规范采用严谨的数学语言撰写，每条定义都可逐条检查、测试甚至交叉验证。形式化验证保证了规范与实现之间的桥梁坚不可摧。

作者在帖子中直言：“AI生成代码是可怕的——它们在你面前看起来正确，但在你背后可能隐藏着无数错误。你唯一能信任的是规范本身。”这种观点在安全关键领域（如自动驾驶、医疗设备、航天控制）具有重大意义：在这些场景中，代码的正确性直接关系人身安全。

四、项目启示与现实挑战

该项目的出现并非要否定AI辅助编程的价值，而是强调“信任分层”的重要性。开发者应当将形式化规范作为第一道防线，AI生成或手动编写的代码必须经过严格的验证，而非直接投入生产。

然而，形式化验证的门槛仍然较高：学习曲线陡峭、编写规范耗时、对工具链依赖强。作者93行规范的成功案例表明，对于特定领域（如几何操作），将核心逻辑压缩至可管理的规范长度是可行的。未来，若能将形式化验证与AI代码生成结合——由AI生成候选实现，再由人类编写规范并通过自动证明器验证——或可兼顾效率与可靠性。

五、结语

在AI代码生成日趋火爆的当下，这位开发者用93行规范向行业喊话：别被千行代码的规模迷惑，真相藏在规范里。对于每一位追求高可靠软件的人来说，这既是一声警钟，也是一份指南。技术演进的方向不应只有“更快生成”，还应有“更可信验证”。或许，这正是形式化验证在AI时代焕发新生的起点。