🔧 阿川の電商水電行
🔥 大模型時代最諷刺的職業出現了：“大模型善後工程師”
引言：80 分危機，把一群程序員推上神壇
凌晨三點，老張盯著螢幕上 AI 生成的 2000 行程式碼，這是他改的第 47 個 bug。
AI 用一分鐘寫完了整個模組，他已經調了三天。
更絕望的是：每修一個 bug，AI 都能"貼心"地幫他補出三個新 bug。
這不是段子，這已經是很多開發者的日常。(我自己早怒了,,)
最近知乎上突然爆火的一個詞：大模型善後工程師。
看起來有點好笑，但越想越扎心：
AI 已經能把一個專案做到 80 分了。
但真正能上線、能賺錢、沒 bug 的，仍然要你 20 分來救。
而這 20 分，恰恰是最難的那部分。
更扎心的是：
從 0 → 80 分，只需要一句 prompt。
但從 80 → 100 分，需要工程師半條命。
所以這份“善後”的工作，開始變成行業剛需。
01. 大模型的“80 分幻覺”：它看起來能幹，但它真的不能
一句 prompt，它能給你：
- 方向對
- 程式碼能跑
- 結構像樣
- 文案順眼
- Demo 一鍵生成
你覺得卧槽厲害啊，80 分了！
但很快你會發現它的成長曲線是這樣的：
越複雜 → 越玄學
越細節 → 越離譜
越真實 → 越不行
原因很簡單：
- 它沒有產品邏輯
- 它沒有業務上下文
- 它沒有邊界意識
- 它沒有安全意識
- 它不會思考後果，只會預測下一個 token
所以你會看到一堆“莫名其妙但看似合理”的錯誤：
- 漏欄位、漏條件、邏輯跳步、變數改名、錯誤兜底消失……
- 你越讓它補，它越能給你補出一個“新 bug 平行宇宙”。
新手的做法是：一句接一句餵給 AI，讓 AI 修復 bug。（是不是？有時一個問題餵了一下午，AI 也沒有解決）
老手的做法是：“行了行了，我自己來。”
於是，“善後工程師”誕生了。
02. AI 做到 80 分很快，但 80→100 分是地獄難度
為什麼？因為 AI 不擅長“確定性”。看幾個你一定遇到過的 AI 產品災難：
1）邊界沒處理
用戶輸入異常 → 直接報錯
接口沒數據 → 直接掛
Token 失效 → 再見
AI 永遠假設：輸入是完美的，網絡是穩定的，用戶是理性的。
現實是：用戶會輸入表情包，會斷網，會瘋狂點擊按鈕。
2）異常沒兜底
一個報錯能把整個鏈路砸死。
3）安全全靠運氣
XSS？SQL 注入？權限？
AI：我不知道，我只是預測文本。
4）性能爛得離譜
O(n³) 演算法寫得比誰都自信。
5）上下文混亂
API 欄位昨晚叫 userId，今天變成 userID，明天變成 uid。
這些東西，AI 永遠不會主動告訴你。
於是，你必須“善後”。
03. Agent 兩大派系：為什麼有的能落地，有的永遠只能 PPT？
Agent 現在分兩派：
A. 工作流型 Agent —— 現實可用，能規模化落地
它有 SOP（標準流程）：
輸入 → 處理 → 輸出
邊界明確，有軌道可跑。
可靠、可監控、結果可控。
適用場景：
- 客服機器人（固定問答流程）
- 程式碼審查（檢查清單明確）
- 數據處理（ETL 流程標準化）
- 文件生成（模板 + 規則）
為什麼能落地？
因為可靠性 > 靈活性。
所以大廠能用的，都是這種。
B. 自主型 Agent —— 自由靈魂，現實災難
目標模糊、行為難控、結果不可複現。今天幫你幹活，明天給你整活。
適合展示，但絕不適合生產。現實問題：
- 今天幫你發郵件，明天給老闆發了辭職信
- 今天幫你買東西,明天把你銀行卡刷爆
- 今天幫你整理文件，明天把重要文檔刪了
核心原因：自由度越大，不確定性越大，風險越高。
這也是為什麼創業公司喜歡吹自主 Agent，而工程團隊只做工作流 Agent。
04. 為什麼“善後工程師”是 AI 產品落地的關鍵？
因為真正的產品，不是能跑就算結束。是能：
- 持續跑
- 正確跑
- 安全跑
- 高性能跑
- 在各種詭異邊界下依然跑
這些，統統需要人類開發者介入。
善後工程師究竟在幹什麼？ 一句話：
把一個“看上去能用”的 AI 產物，變成“真的能上生產”的產品。
細化下來就是：
① 校對
檢查 AI 生成物的邏輯漏洞：
- 分支有沒有漏？
- 欄位是不是一致？
- 狀態是否可能錯亂？
- 異常是否處理？
舉例：
// AI 生成的登入邏輯：
if (password === user.password) {
login()
}
// 善後工程師補全：
if (!user) return { error: '用戶不存在' }
if (!password) return { error: '密碼不能為空' }
if (user.status === 'banned') return { error: '帳號已封禁' }
if (user.loginAttempts > 5) return { error: '登入次數過多' }
if (await bcrypt.compare(password, user.passwordHash)) {
await resetLoginAttempts(user.id)
return login(user)
} else {
await incrementLoginAttempts(user.id)
return { error: '密碼錯誤' }
}② 重構
讓 AI 程式碼變得可維護：
- 模組化
- 類型補全
- 結構優化
- 單測補齊
- 性能調優
比如說：AI 生成的"一鍋亂炖"程式碼 → 善後工程師改成清晰的分層架構。
③ 打磨（很重要）
讓產品真正能上線：
- 邊界處理
- 異常兜底
- 安全策略
- 監控報警
- 性能提升
- 體驗優化
這些才是決定產品能不能上線、能不能賺錢的部分。
05. 真相：AI 不是在替代工程師，而是在淘汰“只會寫程式碼的工程師”
AI 做了工程師過去 60%～80% 的“體力活”。
但剩下的 20%，是「經驗 + 思考 + 判斷 + 產品理解」。
過去：
- 工程師負責 0→100
現在：
- AI 負責 0→80
- 工程師負責最難的 80→100
這個 20%，決定了：
- 產品能不能上線
- 用戶會不會崩
- 公司能不能賺錢
- 專案會不會翻車
所以，“善後工程師”不是低端崗位，而是價值更高的崗位。
真正被 AI 取代的，是那些：
- 跟著教程敲
- 不懂架構
- 不看邊界
- 不做兜底
- 不懂產品邏輯
- 不理解業務場景
的 30 分工程師。
總結
目前來看，真正 AGI 到來之前，未來的軟體開發將分成兩類：
- AI 寫的：快、便宜、能跑
- 工程師修的：穩、能上線、能賺錢
“善後工程師”的價值在於：
不是寫程式碼，而是把錯誤的地方修對，把不可靠的地方補穩，把模糊的部分變清晰。
這才是 AI 時代真正的核心競爭力。你認為呢？
1) --- 會變成分隔線（上一行必須是空白）
2) # 會變成一級標題
3) ## 會變成二級標題
4) ### 會變成三級標題
5) **粗體文字**會顯示粗體文字
6) ```當第一行與最後一行會顯示程式碼
7) 請搜尋 Markdown 語法，了解各種格式
