凌晨三点。
老张盯着屏幕上 AI 生成的 2000 行代码，这是他改的第 47 个 bug。
AI 用 一分钟写完了整个模块。 他已经 调了三天。
更绝望的是：
每修一个 bug，AI 都会“贴心”地再补出三个新 bug。
这不是段子。 这是很多开发者现在的真实日常。
最近知乎突然火了一个词：
大模型善后工程师。
乍一听有点好笑，但仔细想想其实非常扎心：
AI 已经能把一个项目做到 80 分 但真正能上线、能卖钱、没 bug 的 还得靠人类把最后 20 分补完
更残酷的是：
0 → 80 分：一句 Prompt
80 → 100 分：工程师半条命
于是，一个新的职业形态出现了：
AI 善后工程师。
-****01-
**AI 的「80 分幻觉」 **
一句 prompt，大模型能给你：
结构完整的代码
看起来合理的逻辑
能跑的 Demo
不错的 UI
甚至一整套项目
看起来像这样：
<pre data-start="702" data-end="756" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0); margin: 0px; padding: 0px; outline: 0px; max-width: 100%; box-sizing: border-box !important; overflow-wrap: break-word !important;">
Prompt ↓ AI 生成项目 ↓ Demo 跑起来 ↓ 开发者：卧槽，太强了
</pre>
很多人会产生一种错觉：
AI 已经能替代程序员了。
但真正写过项目的人都知道：
80 分才刚刚开始。
[图片上传失败...(image-a50e29-1772703575202)]
-****02-
**AI 开发真实流程 **
现实中的开发流程其实是这样：
<pre data-start="855" data-end="965" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0); margin: 0px; padding: 0px; outline: 0px; max-width: 100%; box-sizing: border-box !important; overflow-wrap: break-word !important;">
需求 ↓
Prompt
↓
AI生成代码（80分）
↓
Bug修复
↓
逻辑补全
↓
异常处理
↓
安全处理
↓
性能优化
↓
监控 + 日志
↓
生产上线（100分）
</pre>
80 → 100 的过程，才是最难的部分。
因为 AI 有一个致命问题：
它只会预测 token 它不会承担后果
AI 最常见的 5 种工程灾难
很多人第一次用 AI 写项目时，都经历过这种“幻觉破灭”。
下面是最常见的 AI 代码问题。
| 问题类型 | AI表现 | 真实后果 |
|---|---|---|
| 边界处理 | 假设用户输入永远正确 | 一上线就报错 |
| 异常处理 | 基本没有兜底 | 一个错误直接崩系统 |
| 安全问题 | 几乎完全忽略 | SQL注入 / XSS |
| 性能问题 | 算法复杂度混乱 | 生产直接卡死 |
| 上下文一致性 | 字段名不断变化 | 系统逻辑混乱 |
比如 AI 写的登录逻辑经常是这样：
<pre data-start="1285" data-end="1338" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0); margin: 0px; padding: 0px; outline: 0px; max-width: 100%; box-sizing: border-box !important; overflow-wrap: break-word !important;">
if(password===user.password){ login() }
</pre>
看起来没问题。
但真正能上线的代码必须是：
<pre data-start="1364" data-end="1763" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0); margin: 0px; padding: 0px; outline: 0px; max-width: 100%; box-sizing: border-box !important; overflow-wrap: break-word !important;">
if (!user) return { error: '用户不存在' }if (!password) return { error: '密码不能为空' }if (user.status ==='banned')return { error: '账号已封禁' }if (user.loginAttempts >5)return { error: '登录次数过多' }if (awaitbcrypt.compare(password, user.passwordHash)) {awaitresetLoginAttempts(user.id)returnlogin(user)} else {awaitincrementLoginAttempts(user.id)return { error: '密码错误' } }
</pre>
这就是：
80 分代码 vs 100 分代码
[图片上传失败...(image-8a0e25-1772703575202)]
-****03-
Agent 为什么分成两大阵营？
现在 AI Agent 也出现了两条完全不同的路线。
第一类：工作流 Agent（能落地）
这种 Agent 有固定流程：
<pre data-start="1889" data-end="1911" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0); margin: 0px; padding: 0px; outline: 0px; max-width: 100%; box-sizing: border-box !important; overflow-wrap: break-word !important;">
输入 ↓ 处理 ↓ 输出
</pre>
特点：
可靠
可监控
可预测
可规模化
典型场景：
客服机器人
数据处理
代码审查
文档生成
大厂几乎全部采用这种。
因为工程团队最看重的是：
可靠性 > 智能性
第二类：自主 Agent（PPT型）
另一类 Agent 追求完全自主：
<pre data-start="2071" data-end="2111" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0); margin: 0px; padding: 0px; outline: 0px; max-width: 100%; box-sizing: border-box !important; overflow-wrap: break-word !important;">
目标 ↓ AI自主规划 ↓ AI自主行动 ↓ AI自主决策
</pre>
听起来很酷，但现实是：
今天帮你发邮件 明天给老板发辞职信
今天帮你整理文件 明天把重要文档删了
问题很简单：
自由度越高，不确定性越大。
所以现在：
创业公司喜欢讲自主 Agent
工程团队只做工作流 Agent
[图片上传失败...(image-f8219f-1772703575202)]
-****04-****什么是“善后工程师”？
一句话解释：
把 看起来能用的 AI 代码 变成 真的能上线的产品
他们主要干三件事：
1 校对
检查 AI 的逻辑漏洞：
条件是否完整
字段是否统一
状态是否一致
分支是否遗漏
2 重构
把 AI 代码变得可维护：
分层架构
类型补全
模块拆分
单元测试
3 打磨（最重要）
让产品真正可上线：
边界处理
异常兜底
安全策略
性能优化
监控报警
[图片上传失败...(image-a15500-1772703575200)]
-****05-****总结
未来的软件开发模式
在 AGI 到来之前，软件开发很可能会变成这样：
<pre data-start="2558" data-end="2594" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0); margin: 0px; padding: 0px; outline: 0px; max-width: 100%; box-sizing: border-box !important; overflow-wrap: break-word !important;">
AI：负责 0 → 80 工程师：负责 80 → 100
</pre>
AI负责：
写代码
生成结构
生成demo
工程师负责：
修 bug
补逻辑
架构优化
产品落地
换句话说：
AI 在替代 体力劳动
但工程师的核心价值变成：
判断 + 经验 + 架构 + 产品理解
真正会被 AI 淘汰的人
AI 不会淘汰工程师。
但会淘汰一类人：
只会写代码的人。
典型特征：
只会跟教程敲代码
不理解业务逻辑
不考虑边界情况
不做异常处理
不懂系统架构
他们本质上只是：
30 分工程师。
而 AI 已经可以做到 80 分。
AI 时代的软件开发，很可能变成这样：
| 角色 | 职责 |
|---|---|
| AI | 写代码、生成Demo |
| 工程师 | 修逻辑、补边界、做架构 |
| 产品 | 定义需求 |
| 用户 | 制造Bug |
所以：
“善后工程师”不是低端岗位。
恰恰相反。
它代表的是一种新的核心能力：
把错误的地方修对 把不可靠的地方补稳 把模糊的地方变清晰
而这，
才是 AI 时代真正稀缺的能力。
