AI 常见的几种犯错案例

案例 1

我让 AI 兼容前端用字符串传 Long ID 的情况。

它发现 Huma 会在解码前校验参数，于是给出的第一版方案是：全局跳过请求体校验。

字符串 ID 的确能通过了，但必填字段、枚举、类型和对象结构等校验也可能一起失效。为了修复一个小问题，差点拆掉整个参数校验体系——典型的“捡了芝麻，丢了西瓜”。

案例 2

从 Java 到 Golang 重写一个后端服务。Java 侧的逻辑限制产品介绍最多 500 个字符。AI 为了兼容 Java，专门实现了 truncateUTF16CodeUnits，严格模拟 Java 的字符串长度规则。

但需求只是“限制 500 个字符”，并不是“限制 500 个 UTF-16 code unit”。AI 精确复刻了技术细节，却没有理解业务目的。

这两个案例体现了 AI 常见的错误：

• 只解决眼前报错，不评估全局影响；
• 机械模仿旧实现，没有理解根本需求；
• 代码实现得很精确，但抽象方向可能完全错误。