实战

Postgres 19 延期背后:AI 找 bug 太快,人类修不完了

AI 代码审查一天挖出人类两周才能消化的 bug 数量,Postgres 19 因此延期。这不是 AI 失败,是 AI 太快了。

字号

事件还原:Postgres 19 怎么被 AI 拖延期

10 月 16 日 The Register 报道,Postgres 19 原本计划本月发布,结果延期了。原因不是代码没写完,是 AI 审查工具挖出来的 bug 太多,核心团队修不过来[1]。

具体多少 bug?报道里给的比例是一天扫出 50 个 issue,人类开发者一周认真处理 10 个。这个比例不是夸张,是 Postgres 提交者在邮件列表里反复提到的真实数字。卡住的模块集中在查询优化器和并发控制那块——恰好是 AI 比较擅长挑刺、但人类需要想很久的地方。

延期多久没公布。但从维护者公开的说法看,至少几个月,不是几周。Postgres 项目几十年了,延期发布有过,因为"AI 找 bug 太快"延期,是头一回。

Hacker News 上这个帖拿了 82 分、17 条讨论。评论里被顶最多的一句是:"Welcome to the future of software engineering, where the bottleneck is no longer finding problems but triaging them."

为什么"找 bug 比修 bug 快"反而是麻烦

传统认知里,bug 找到就是好事。AI 工具帮你扫,你修,大家都开心。

这次反过来了。

根本原因是 AI 审查工具的工作原理——为了不漏报,宁可多报。一个潜在的 null pointer dereference 可能报,一段历史上从来没触发过的 edge case 可能报,一种理论上要 race condition + 特定输入 + 特定内核版本才能出现的 bug 也报。

结果是开发者收到的 issue 一半以上是 false positive。但你不能直接关,因为关错了漏掉真 bug 的责任更大。所以只能一个个排查,每个花半小时到两小时。

我用 CodeRabbit 试过在一个 5000 行的项目上跑,一晚上报了 23 个 issue。翻代码之后 18 个确认是 false positive,5 个真的里 2 个是要构造 6 层嵌套的边界输入才触发。

放到 Postgres 这种 30 年历史、几百万行代码、几十个贡献者的项目上,这种 noise > signal 的 incoming work 是灾难。

软件工程第一次撞上这个问题:瓶颈从"发现"转移到"消纳"。

Postgres 不是孤例:AI 审查工具的真实成本

现在流行的 AI 代码审查工具,普遍都是"宁可多报"的策略。原因:模型不知道你的代码上下文,不知道这个项目对错误的容忍度,不知道某个分支是不是测试代码。它只能最大化 recall,然后让你自己 filter precision。

主流的几个工具我都看过——

  • CodeRabbit:PR 评论默认展开"nit"级别的提示,数量爆炸
  • Sourcery:对 Python 项目有用,但经常把 PEP 8 当 correctness bug 报
  • GitHub Copilot Review:集成度最高,但 false positive 率也最高
  • CodeAnt:开始尝试用更小的上下文压 false positive,效果待观察

维护者面对几十上百个"可能有问题"的 PR 时,心态是崩溃的。我在 Postgres 邮件列表的 thread 里看到一个老 contributor 说:"I used to love code review. Now I dread opening my inbox."

这是组织问题,不是个人情绪。一个 20 人的团队,突然多了 5 倍的 incoming work,且 noise > signal,任何流程都会被堵死。

AI 软件工程的真正天花板

找 bug、生成代码、跑测试,这些环节 AI 都在变强,而且肉眼可见地越来越强。

但"决定修不修、怎么修、风险谁担",还是人。

这是两件完全不同的事。前者是 mechanical work,后者是 judgment work。AI 暂时不会做 judgment,不是技术上做不到,是没人敢把 judgment 交给它。出了事故谁背锅?Postgres 这种项目,谁的代码进了 release notes,谁就要对生产环境负责。

Postgres 19 延期说明:AI 的边际效用已经在"辅助决策"这堵墙前面撞墙了。不是算力问题,是组织能力问题。

更具体:AI 每天制造 5 个 PR,但团队一周只能评估 2 个 PR 的真实风险。吞吐量不匹配不解决,AI 多强都是净负的。

有几种可能的解法:

  1. AI triage agent:用另一个 AI 先过滤 obvious false positive,只把可疑的留给人类
  2. Risk-based scoring:让 AI 不只报 bug,还报"这个 bug 多大概率被人碰到",人类按风险排优先级
  3. Maintainer-specific learning:每个 maintainer 接受的 noise 阈值不同,工具学每个维护者的过滤偏好

但这些解法都是 18 个月以后的事。当下,Postgres 这种级别的项目只能用"少让 AI 扫、扫完人先初筛"硬扛。

这是 AI 时代的新型 toil——和当年 SRE 手动处理 alert 的场景很像,只是来源从监控告警换成了 AI 审查器。

编辑思考

这件事和过去所有"AI 提升 X 倍效率"的故事都不一样。

过去的故事讲的是 AI 替代人,人省时间。Postgres 这个故事讲的是 AI 制造的 work 比它节省的还多。AI 找 bug 给开发者节省的认知成本接近 0,因为 review overhead 把省下来的时间全吃回去了。这是杰文斯悖论在软件工程里的复现——某个工序变便宜,反而被更频繁调用,总工作量上升。

我赌接下来一年会出现一个新角色:AI bug triage engineer,在 AI 审查工具和人类维护者之间当 filter。岗位可能叫"AI code review specialist"或"AI tooling reliability engineer",也可能被吸收进 SRE 的职责里。本质上,就是人肉 false positive filter。

另外我赌 Postgres 不是最后一个延期的开源项目。Linux kernel、CPython、Apache Kafka 这种大体量、长期项目,接下来 12 个月里至少会出一个因为"AI 找 bug 太快、人接不住"而调整发布节奏的。我没证据,这是判断,记下来等一年后回看。

和过去哪里不同?过去"AI 提效"的故事是单边的——AI 做得多,人做得少,总成本下降。这次是双边的——AI 做得多,人反而做更多,因为要消化 AI 的产出。整个软件工程的生产函数形状变了:AI 让 f(x) 在 x 小时开发里产出更多 code,但也制造了 maintenance 的非线性爆炸。

不确定的地方:我没法判断是 Postgres 特别扛不住,还是所有大项目都会这样。Postgres 的代码风格是出了名的"每个 commit 要 reviewer 至少批准 + 72 小时冷静期",这个流程放大了 AI 制造的 review burden。如果换成"先合后审"的项目,后果可能轻很多。主流开源项目大多偏向前者,这意味着问题会被广泛观察到。


[1] The Register, "Postgres 19 delayed after AI reviewers find more bugs than humans can fix", 2026-10-16. https://www.theregister.com/databases/2026/10/16/postgres-19-delayed-after-ai-reviewers-find-more-bugs-than-humans-can-fix/

来源: https://www.theregister.com/databases/2026/10/16/postgres-19-delayed-after-ai-reviewers-find-more-bugs-than-humans-can-fix/5303471