https://hugozhu.site/tags/llm-ops/Recent content in Llm-Ops on All about Raspberry PiHugoenSat, 02 May 2026 00:00:00 +0000https://hugozhu.site/post/2026/197-ai-engineering-10x-testing-monitoring/Sat, 02 May 2026 00:00:00 +0000https://hugozhu.site/post/2026/197-ai-engineering-10x-testing-monitoring/<p>上周，隔壁组的小天在周会上很兴奋：&ldquo;用 Cursor 一天写了 3000 行代码，这周迭代速度提升了一倍！&rdquo;</p> <p>同一周，他的服务触发了 4 次线上告警。</p> <p>原因不复杂：AI 生成的代码跑通了主流程，但边界条件没覆盖，异常处理有遗漏，依赖服务的超时场景没考虑到。3000 行代码里，有 800 行是&quot;看起来能跑&quot;的代码。</p> <p>小天不是个例。过去一年，几乎所有团队都经历了同一个曲线：</p> <ol> <li><strong>第一个月</strong>：AI 编码工具让产出翻倍，团队欢呼</li> <li><strong>第二个月</strong>：Bug 率上升，线上事故增多，开始还债</li> <li><strong>第三个月</strong>：实际交付速度回到了 AI 之前的水平，甚至更慢</li> </ol> <p>问题出在哪里？</p> <p><strong>AI 降低了&quot;写代码&quot;的成本，但没有降低&quot;交付可靠产品&quot;的成本。</strong> 而后者，才是生产力的真实度量。</p>