全球最流行的开源数据库PostgreSQL，这次被AI整跳票了。
PostgreSQL 19原定10月29日发布，官方一纸公告推迟到11月19日，还加发一个RC2候选版。更罕见的是：Beta期间有8~10项重要功能被整批撤回——正常一个大版本也就撤1项。36氪微博知乎
不是AI写坏了代码，是AI翻旧账
核心提交者Peter Eisentraut专门撰文澄清：被撤回的功能大多是早年间写的，那会儿LLM辅助编程还没成熟。真正发生的是——今年越来越强的AI审查和AI模糊测试，把老代码重新过了一遍筛子。36氪
以前长尾bug要等5年，靠真实用户慢慢撞出来；现在AI几周就全扫出来了。Peter举例：开发者突然面对约40份缺陷报告，每个改3行代码几分钟搞定，但每份都要读、要复现、要确认，流程成本一分不少。几十份叠加，人先崩了。知乎
这就是最反直觉的地方：AI提高了软件质量，反而拖慢了发布。Peter的说法是“质量门槛被硬抬高了”——代码提交时达标，放到2026年的AI面前一测，突然“不够好了”。36氪
还有段插曲：8月，成员Robert Haas让Claude给PG19的补丁做风险评估，SQL/PGQ功能被点名高风险（当时已修了17次）。老提交者Tom Lane放话愿意“赌一顿晚饭”：这功能带病发布，之后准得返工。结果SQL/PGQ真被撤回，这顿饭先记账上。36氪知乎
这不是一家的惨案
开源圈今年类似的事一抓一把：cURL关掉运营6年的漏洞赏金，AI生成的低质量报告淹没了维护者。终端Ghostty对AI代码“零容忍”，贡献要熟人担保；白板项目tldraw干脆自动关闭所有外部PR。GitHub也上线了限制PR数量的开关。知乎GitHub
数据也扎心。CodeRabbit分析470个开源PR：AI代码每个PR的问题数是纯人工的1.7倍。METR的对照实验更狠：老手用AI干活耗时反而多19%，但自我感觉快了20%——感知和现实差出39个百分点。知乎METR
用AI找茬，先学会分级
那AI审查到底能不能用？同一条新闻里有两个真实案例：一个数据工程团队的内部AI审查系统，能读代码库和全部文档，报告有效率也只有约1/8。36氪
另一边，有人让AI集中审查稳定跑了10年的老系统，翻出39个问题，30个被确认是真bug——只是从没被触发过。翻译一下：AI找茬，又真又吵。瓶颈已经从“发现问题”变成“给问题分级”。对天天用AI工具的我们，就三条建议：36氪
别追着每份报告跑。按严重度分级，最要命的送人工，长尾的登记进路线图慢慢还；
别让AI自动修一切。机械堵洞，系统越修越臃肿——很多“bug”换个场景就是合理取舍；
别因误报弃用。藏了十年的技术债，往往只有AI肯一页页帮你翻。
当AI可以无限找问题，“修到什么程度算够”才是真难题。接下来稀缺的不是找bug的能力，而是拍板“哪个值得修”的判断力。36氪
