AI 代码的快乐路径偏差

为什么 AI 代码在生产环境中崩溃：幸福路径偏差

AI 编码助手不是为你的生产环境而写代码。他们为 prompt 而写。从 Claude、Copilot 或 Cursor 返回的代码满足指定的需求并通过你在本地运行的测试，然后上线并以本地测试无法捕捉的方式崩溃：数据库配置中的 localhost 连接字符串、从教程中残留的 DEBUG = True 标志、外站 API 调用上缺少的超时。这些都不会在开发中失败。

这就是幸福路径偏差：语言模型训练方式的结构性后果。代码的训练分布倾向于可行的例子——教程片段、Stack Overflow 答案、项目脚手架——所有这些都更看重清晰度而非生产加固。模型预测最具统计学可能性的补全，而那个补全不包含你没有指定的约束。

代码看起来没问题，在开发中运行没有错误，通过开发者能想到的每一项测试。然后它上线了。

为什么 AI 针对 Prompt 优化，而不是生产环境

AI 编码助手生成的代码满足指定的需求并通过开发者在本地运行的测试——他们根本没有意识到生产负载、生产基础设施，或开发环境中的 SQLite 数据库与生产环境中的 PostgreSQL 集群之间的行为差异。BrassCoders 的安全扫描器标记这种差距产生的代码工件：硬编码的 localhost 连接字符串；Django 设置中的 DEBUG = True；外部 API 调用上缺少的超时参数。

Prompt 定义了契约。要求一个连接到数据库的函数，你会得到一个：它在 localhost:5432 上运行，使用会话上下文中的凭证。模型没有机制推断你的生产数据库运行在另一个主机上、针对密钥管理器进行身份验证，并使用具有可配置超时的连接池。这些约束不在 prompt 中，所以它们不会出现在输出中。

开发者为一个 Django 设置文件提示。模型生成的配置中包含 DEBUG = True，因为它从教程示例中学到了 DEBUG 是启用的。代码在语法上是正确的，测试套件通过，配置问题随之上线。

模型没有出错。它预测了为收到的 prompt 做出最具统计学可能性的补全。

五种幸福路径 Bug 上线到生产

BrassCoders 的安全扫描器标记最危险的幸福路径工件：在开发中有效但在生产中无声失败的硬编码 localhost 连接字符串、Django 设置文件中的 DEBUG = True，以及外部 API 调用上缺少的重试逻辑，因为本地模拟总是成功，所以通过所有本地测试。

这五种模式有相同的根源：在开发中不可见，仅在生产条件下可见。

硬编码的 localhost URL 是最常见的。开发在 localhost 上放置依赖服务；生产在命名主机或私有 IP 上放置它。这个调用在接触真实环境的那一刻就失败了。

Django 设置中的 DEBUG = True 是安静的那个。AI 模型生成它是因为教程展示了启用它。Django 关于 DEBUG 设置的文档是明确的：在任何互联网可访问的部署上它必须是 False。在生产中，启用的 DEBUG 标志会禁用 ALLOWED_HOSTS 强制执行并在 HTTP 错误响应中暴露完整的回溯——一个配置状态，向任何能触发 500 错误的人泄露敏感值。

缺少超时参数的调用在测试中不会失败。没有超时的调用在本地有效，因为模拟会立即响应。在生产中，外部服务偶尔需要 30 秒或丢弃连接，单个挂起的线程会耗尽池。

对可恢复错误（429、503）缺少重试逻辑会永久失败，而不是在第二次尝试时成功。本地模拟从不返回这些状态代码。

硬编码的端口号在部署的端口映射与开发机器不同时失败。扫描时没有错误。本地测试中没有错误。一个环境差异之外就是连接被拒绝。

环境奇偶性的含义及为什么 AI 会忽视它

十二因素应用的开发/生产奇偶性原则——让开发、预发布和生产尽可能相似——存在的原因是环境差异是生产失败的系统性根源。BrassCoders 标记这一原则的配置级违反：应该是环境变量的硬编码值，以及表示代码从未为生产做过审查的调试设置。

该方法论的开发/生产奇偶性原则识别三个差距类别：时间（今天写的代码几个月后才部署）、人员（开发者写，运维部署）和工具（开发用 SQLite，生产用 PostgreSQL）。AI 生成的代码同时在所有三个类别中引入差距，因为模型对部署没有利益关系。

实际结果是可预见的。AI 生成的代码是为开发工具而不是生产工具搭建的。连接到本地 SQLite 数据库的代码不会浮现不匹配。使用硬编码 localhost 端口连接到 PostgreSQL 的代码在首次接触真实主机时失败。

在 prompt 中指定生产约束会有所帮助。"用环境变量配置来写这个，在容器中运行，并连接到外部主机"给模型更好的约束来对抗。大多数 prompt 不包含这些约束，模型也不会主动问。

BrassCoders 在部署前标记什么

BrassCoders 的 12 个扫描器在代码到达生产前运行：安全扫描器标记硬编码的配置值和调试模式指示符；性能扫描器标记缺少的重试逻辑和无界轮询模式；密钥扫描器捕获嵌入式连接字符串。

OSS 核心，在 Apache 2.0 下免费，捕捉可模式匹配的违反：连接字符串中的 localhost 字面量、设置文件中的 DEBUG = True、没有超时参数的 requests.get() 调用。这些是 AI 生成的 Python 中最常见的幸福路径工件。无需账户。本地运行 pip install brasscoders 和 brasscoders scan . 零网络外呼。

BrassCoders Paid 增加了充实通道：扫描器已经编辑的发现通过我们的托管网关进行语义去重和项目签名重排名。在我们发布的 AI 编码器 bug 基准中，Bandit 单独捕获 12 个 AI 生成的 bug 中的 6 个，而 BrassCoders 捕获 12 个中的 11 个。充实通道就是弥补这一差距的东西。

两个计划都捕捉不了逻辑错误或缺少的业务需求。如果需求不在 prompt 中，模型没有生成它，静态扫描器也不会凭空捏造它。BrassCoders 捕捉的是配置层：在开发中看起来正确并在真实环境中崩溃的代码。

在下一次 AI 辅助的 PR 上线前，对其运行 brasscoders scan . 。