往期热门文章：
1、程序员缺乏经验的 7 种表现！
2、Skill 比 MCP 省 99% 的 Token，MCP 不是银弹，是 Token 黑洞
3、代码提交数为 0，123 个 CVE 安全漏洞，MySQL 正在“自杀”
4、阿里开源项目！属于Java开发者的智能体框架！
5、Spring让Java慢了30倍，JIT、AOT等让Java比Python快13倍，比C慢17%

引言：80 分危机，把一群程序员推上神坛

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 都能"贴心"地帮他补出三个新 bug。 这不是段子，这已经是很多开发者的日常。(我自己早怒了。。。)

最近知乎上突然爆火的一个词：大模型善后工程师。

看起来有点好笑，但越想越扎心：

AI 已经能把一个项目做到 80 分了。 但真正能上线、能卖钱、没 bug 的，仍然要你 20 分来救。 而这 20 分，恰恰是最难的那部分。

更扎心的是： 从 0 → 80 分，只需要一句 prompt。 但从 80 → 100 分，需要工程师半条命。

所以这份“善后”的工作，开始变成行业刚需。

01. 大模型的“80 分幻觉”：它看起来能干，但它真的不能

一句 prompt，它能给你：

• 方向对

• 代码能跑

• 结构像样

• 文案顺眼

• Demo 一键生成

你觉得卧槽厉害啊，80 分了！ 但很快你会发现它的成长曲线是这样的：

越复杂 → 越玄学 越细节 → 越离谱 越真实 → 越不行

原因很简单：

• 它没有产品逻辑

• 它没有业务上下文

• 它没有边界意识

• 它没有安全意识

• 它不会思考后果，只会预测下一个 token

所以你会看到一堆“莫名其妙但看似合理”的错误：

• 漏字段、漏条件、逻辑跳步、变量改名、错误兜底消失……

• 你越让它补，它越能给你补出一个“新 bug 平行宇宙”。

新手的做法是：一句接一句喂给 AI，让 AI 修复 bug。（是不是？有时一个问题喂了一下午，AI 也没有解决）

老手的做法是：“行了行了，我自己来。”

于是，“善后工程师”诞生了。

02. AI 做到 80 分很快，但 80→100 分是地狱难度

为什么？因为 AI 不擅长“确定性”。看几个你一定遇到过的 AI 产品灾难：

1）边界没处理

用户输入异常 → 直接报错 接口没数据 → 直接挂 Token 失效 → 再见

AI 永远假设：输入是完美的，网络是稳定的，用户是理性的。 现实是：用户会输入表情包，会断网，会疯狂点击按钮。

2）异常没兜底

一个报错能把整个链路砸死。

3）安全全靠运气

XSS？SQL 注入？权限？ AI：我不知道，我只是预测文本。

4）性能烂得离谱

O(n³) 算法写得比谁都自信。

5）上下文混乱

API 字段昨晚叫 userId，今天变成 userID，明天变成 uid。

这些东西，AI 永远不会主动告诉你。

于是，你必须“善后”。

03. Agent 两大派系：为什么有的能落地，有的永远只能 PPT？

Agent 现在分两派：

A.工作流型 Agent —— 现实可用，能规模化落地

它有 SOP（标准流程）：

输入 → 处理 → 输出

边界明确，有轨道可跑。 可靠、可监控、结果可控。

适用场景：

• 客服机器人（固定问答流程）

• 代码审查（检查清单明确）

• 数据处理（ETL 流程标准化）

• 文档生成（模板 + 规则）

为什么能落地？ 因为可靠性 > 灵活性。

所以大厂能用的，都是这种。

B.自主型 Agent —— 自由灵魂，现实灾难

目标模糊、行为难控、结果不可复现。今天帮你干活，明天给你整活。

适合展示，但绝不适合生产。现实问题：

• 今天帮你发邮件，明天给老板发了辞职信

• 今天帮你买东西,明天把你银行卡刷爆

• 今天帮你整理文件，明天把重要文档删了

核心原因：自由度越大，不确定性越大，风险越高。

这也是为什么创业公司喜欢吹自主 Agent，而工程团队只做工作流 Agent。

04. 为什么“善后工程师”是 AI 产品落地的关键？

因为真正的产品，不是能跑就算结束。是能：

• 持续跑

• 正确跑

• 安全跑

• 高性能跑

• 在各种诡异边界下依然跑

这些，统统需要人类开发者介入。

善后工程师究竟在干什么？ 一句话：

把一个“看上去能用”的 AI 产物，变成“真的能上生产”的产品。

细化下来就是：

① 校对

检查 AI 生成物的逻辑漏洞：

• 分支有没有漏？

• 字段是不是一致？

• 状态是否可能错乱？

• 异常是否处理？

举例：

// AI 生成的登录逻辑：
if (password === user.password) {
  login()
}

// 善后工程师补全：
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 (await bcrypt.compare(password, user.passwordHash)) {
await resetLoginAttempts(user.id)
return login(user)
} else {
await incrementLoginAttempts(user.id)
return { error: '密码错误' }
}

② 重构

让 AI 代码变得可维护：

• 模块化

• 类型补全

• 结构优化

• 单测补齐

• 性能调优

比如说：AI 生成的"一锅乱炖"代码 → 善后工程师改成清晰的分层架构。

③ 打磨（很重要）

让产品真正能上线：

• 边界处理

• 异常兜底

• 安全策略

• 监控报警

• 性能提升

• 体验优化

这些才是决定产品能不能上线、能不能赚钱的部分。

05. 真相：AI 不是在替代工程师，而是在淘汰“只会写代码的工程师”

AI 做了工程师过去 60%～80% 的“体力活”。 但剩下的 20%，是「经验 + 思考 + 判断 + 产品理解」。

过去：

• 工程师负责 0→100

现在：

• AI 负责 0→80

• 工程师负责最难的 80→100

这个 20%，决定了：

• 产品能不能上线

• 用户会不会崩

• 公司能不能卖钱

• 项目会不会翻车

所以，“善后工程师”不是低端岗位，而是价值更高的岗位。

真正被 AI 取代的，是那些：

• 跟着教程敲

• 不懂架构

• 不看边界

• 不做兜底

• 不懂产品逻辑

• 不理解业务场景

的 30 分工程师。

总结

目前来看，真正 AGI 到来之前，未来的软件开发将分成两类：

1. AI 写的：快、便宜、能跑

2. 工程师修的：稳、能上线、能赚钱

“善后工程师”的价值在于：

不是写代码，而是把错误的地方修对，把不可靠的地方补稳，把模糊的部分变清晰。

这才是 AI 时代真正的核心竞争力。你认为呢？

作者：Sailing

来源：juejin.cn/post/7572997791451070502

往期热门文章：
1、Spring 7.0.4 杀疯了，40 个新特性、15 个 Bug 修复、1 个死锁终结！

2、IntelliJ IDEA 2026发布：被开发者催了 6 年，这个细节终于修了！

3、利用闲置 Mac 从零部署 OpenClaw 教程

4、一款高性能、无侵入的 Java 性能监控神器

5、Spring Boot 4.0 全面拥抱 Jackson 3！小心有坑~

6、为什么大厂一般不推荐使用@Transactional？

7、又一款开源、强大的工作流自动化神器，吃到细糠了！

8、JDK25都出来了，但为什么很多公司还在坚持用JDK8？

9、15 万个 ClawdBot 涌进 AI 社交网站，但人类只能围观。

10、Spring6.0+Boot3.0：秒级启动、万级并发的开发新姿势