后端监控里跳出一条数据时，我盯着屏幕愣了几秒。一个看似普通的API请求，数据库调用次数栏赫然写着「20+」。代码长得人畜无害，遥测数据却在尖叫。
这就是Vibe Coding（氛围编程）时代的典型陷阱：AI写的代码本地看着对，上线后系统行为完全跑偏。
事情从一个用户资料接口开始。我让AI助手写个简单端点，返回用户基本信息、运动偏好、帖子列表和活动记录。AI秒回一段代码：四个函数调用，结构清晰，职责分明，可读性拉满。
本地跑一遍，完美。单元测试全绿。代码审查时同事点头：「这写得挺干净。」
但上线后的遥测数据暴露了真相。时间戳显示，同一秒内连续出现：
21:15:40 GET /sports
21:15:40 GET /users
21:15:40 GET /event_rsvps
21:15:41 GET /sports
21:15:41 GET /users
21:15:41 GET /event_rsvps
同一批资源被反复请求。代码层面毫无异常，系统却在疯狂加班。
AI的盲区：看不见的系统代价
问题出在经典的N+1查询陷阱。四个辅助函数各自独立，每个都悄悄 hit 一次数据库。从本地代码正确性看，这是好代码；从系统行为看，这是性能杀手。
更隐蔽的版本长这样：先拉取用户列表，再循环查每个用户的帖子。10个用户变11次查询，100个用户变101次。单次查询都很快，叠加起来就是灾难。
AI编码工具擅长生成「局部正确」的代码。它们不会自动考虑：数据库往返次数、缓存策略、并发场景下的资源竞争。你得到的是语法正确、结构优雅的代码，以及一颗定时炸弹。
我花了好一会儿才定位问题。端点本身不可疑，是遥测数据在说话。这种错位感很熟悉——就像医生看着体检报告正常，但病人就是不舒服。
修复：把活儿塞回数据库
N+1问题的解法通常是把更多计算推进数据库层。常见手段包括：JOIN查询、数据加载器（DataLoader）批量处理、或者数据库RPC函数。
这次我用了最后一种。改造前：API层发起多次数据库调用；改造后：API发一次RPC，数据库内部组装完整结果。
round trip（往返次数）从20+降到1，端点行为变得可预测。代码可读性稍降——RPC函数里的SQL黑盒化了一部分逻辑——但系统健康度大幅提升。
这个bug最讽刺的地方在于：代码审查时没人觉得有问题。它太「合理」了，符合所有 clean code（整洁代码）教条。小函数、单一职责、易测试——教科书级别的实现，却在生产环境埋雷。
遥测不是可选项，是必需品
Vibe Coding流行后，这类问题只会更常见。开发者越来越习惯让AI生成代码块，自己负责拼装。拼装后的系统行为，AI不会帮你验证。
原文作者Aquil Abdullah在复盘时提到：「AI coding tools are very good at generating locally correct code. But they don't automatically reason about system behavior.」翻译过来就是：AI能写对代码，但不管代码跑起来对不对。
这倒逼出一个硬性要求——遥测（Telemetry）必须从「锦上添花」变成「基础设施」。不是上线后看看大盘，而是开发流程里就必须有可观测性。
具体怎么做？三个抓手：
第一，本地开发环境接轻量级遥测。不是生产级监控，但至少能看到数据库调用次数、缓存命中率、关键路径耗时。AI生成的代码跑第一遍时，数据就该出来。
第二，代码审查清单加一条：「这段代码的遥测数据呢？」不是问有没有bug，是问有没有数据能证明没bug。没数据支撑的「看起来对」，一律打回。
第三，CI/CD流水线里埋性能基线。同一套测试用例，数据库调用次数环比超10%自动告警。AI改一行代码，可能多触发三次查询，机器比人更适合抓这种漂移。
工具链正在补课
好消息是，生态在快速响应。Cursor、Windsurf等AI编码工具开始集成性能提示；数据库ORM（对象关系映射）框架强化懒加载检测；云厂商的Serverless（无服务器）平台默认暴露调用链追踪。
但这些是补丁，不是解法。核心矛盾没变：AI生成代码的粒度是「函数级」，系统优化的粒度是「架构级」。中间断层需要人来填，而人越来越依赖AI。
原文提到的RPC改造，本质上是用数据库的计算能力换网络往返。代价是数据库负载上升、SQL复杂度增加、调试难度提高。没有银弹，只有权衡。
更深层的问题：当AI能写出「看起来对」的代码，开发者的技能树该怎么点？也许答案不是跟AI比代码产量，而是比谁能更快从遥测数据里读出故事。
那个触发20次调用的端点，最终修复只用了两小时。但如果没有遥测，它可能潜伏数月，直到某个大促流量洪峰时才引爆。届时排查成本、用户投诉、团队信任损耗，远超技术债本身。
Vibe Coding不是原罪，盲目信任才是。AI是加速器，不是自动驾驶。方向盘还在人手里，仪表盘必须亮着。
你的AI编码工作流里，遥测数据占多大权重？是事后救火，还是事前防线？
热门跟贴