首页 时政热点 科技头条 智能AI 安全攻防 数码硬件 开发者生态 归档 标签 关于

AI 写得快,谁来接住生产责任

2026-11-16 1 阅读 约7分钟阅读 腾讯云数据库
分享:
字号:
AI 已经能在几分钟内把一个应用的 Demo 写出来,这件事早就不新鲜了。真正悬而未决的,是这些 Demo 能不能走到生产环境,并且一直活下去。 近日在 DBTalk 数据库 AI 技术沙龙成都站上,腾讯云 PG 数据库技术专家黄辉把这个问题摆上了台面,并给出了自己的判断:AI 缩短的是代码生成的时间,不是生产工程的责任清单——这份责任没有消失,只是从"谁来写"变成了"谁来扛"。 AI 写得快,不代表接得住 他举了一个团队任务管理系统的例子:一个账号、几个页面,接上数据就能演示。但要推向生产,问题立刻浮现:这个应用给多少用户用?用户归属哪些团队、有什么权限?某个用户突然发出大量请求怎么处理?数据被误操作了怎么恢复? 这些问题可以归纳成三道工程鸿沟,而且都指向同一个结论——AI 没有分担这部分责任,只是把它推后到了上线之后。 成本结构不匹配:传统数据库固定规格、长期计费,而 AI 应用负载波动极大,为了兜底高峰去买高规格,平时大部分时间反而在为闲置付费。 资源供给不匹配:传统应用上线前有数周到数月的评估周期,资源可以提前准备,而 AI 应用要的是快速试错,等不起这个周期——现在最快的云数据库创建也要几分钟,在 WorkBuddy 这类 AI 平台上跑一个任务,光等数据库就位就要十几分钟,用户的耐心早就耗尽了。 运行治理不完整:身份认证、权限隔离、数据保护、容灾恢复,这些能力在 Demo 阶段都不需要,但在生产环境里一样都不能少。 三道鸿沟各自有解法,但思路是一致的:把本该由人盯着的责任,写进系统的默认行为里。 把责任,写进系统的默认值 先看成本结构不匹配怎么补。解法是把计费单位从"固定规格 × 时长"换成按活跃时间片计算的 CU(1 核 2G 每小时),计费精确到分钟,没请求不产生计算费用。偶尔被调用几次的小应用,不再需要为一整月的闲置买单。 那资源供给不匹配呢?解法是把数据库创建这件耗时的事,提前挪到用户请求之前:平台预置好一批初始化完成的实例,放进资源池,请求来了直接分配,只需补上身份绑定和网络配置这两步轻量动作。交付时间因此从行业常见的 5 分钟级,压到 3 秒以内,提速约 100 倍。 最后是运行治理不完整,解法分两步。 第一步,让权限默认写进数据层。 思路对标了 Supabase 范式——把 PostgreSQL 的 Schema 当成 API、权限和 AI 共同理解的唯一后端契约。权限上分三种角色:匿名角色只访问公开数据,登录角色承担绝大部分业务访问(由 GRANT 控对象权限、RLS 控行级可见性),高权限角色只给服务端用。一个最小示例看得更直观:先开启行级安全,再用一条策略把访问和写入都綁在同一个租户上: ALTER TABLE tenant_data ENABLE ROW LEVEL SECURITY; CREATE POLICY tenant_isolation_policy ON tenant_data FOR ALL TO app_user_role USING (tenant_id = current_setting('app.current_tenant')::UUID) WITH CHECK (tenant_id = current_setting('app.current_tenant')::UUID); 这条策略效果是:应用代码不用处处写 WHERE tenant_id = ?,漏写了,数据库自己会拦下来。 第二步,让同一资源池里的应用互不干扰。 答案是 Serverless 模式:让渡的是资源长期独占,换来低成本按需计费和秒级交付。隔离拆成三层:路由只到自己的实例,连接权限不属于别人,Schema 和对象权限严格隔离。一个实例回收重新入池前,要按顺序走完这套流程: 摘除路由:网关和连接层不再把新请求路由过来关闭新连接:回收上一个使用方角色的连接权限清理存量连接:把已有会话排空或终止权限重置:回收残留权限,重建默认权限基线校验后再入池:确认无旧路由、无旧连接、无旧授权,才能放回资源池 任何一步没做干净,都可能让旧凭证重新访问到已回收的数据。应用变大之后也有退路:小应用先在 Serverless 资源池里跑,访问量上来了就在池内调高配额,业务稳定后再一键迁到预置规格实例,全程不用改代码。 这套数据层隔离的思路,还延伸到了 Agent 场景:用 Branch 和沙箱让 AI 先在隔离环境里验证,而不是直接在生产数据上试错。而 Serverless 这套隔离机制本身,也正好划出了整套方案的边界。 边界划清楚了,分工才清楚 整套解法的前提是一次价值交换:用户放弃长期预留的固定资源,换来低成本和秒级交付。这笔交换也划出了 Serverless 模式的边界——需要长期保持大量并发连接、负载持续高位,或者对性能隔离、故障域和 SLA 有明确要求的核心交易系统,按需模式省不了多少钱,也给不了固定资源那样的确定性,直接选预置规格实例更合适。 这条界线划清楚,开发者和平台的分工也就跟着清楚了:开发者继续负责业务模型、业务权限、业务逻辑和产品体验;可用性保障、数据备份恢复,以及安全合规所需的基础能力,则由平台通过架构和托管能力统一承接。 他最后用一句话结束了这场分享:让 AI 写出的每一个应用,都有一套能长期运行的生产级后端。这句话回应的正是开头那个问题——AI 写应用之后能不能活下去,答案不在模型写得多快,而在谁来接住代码落地之后那一串没人替你扛的工程责任。 从 Demo 到生产的鸿沟,从来不是今天才有。每一次开发范式换代,都要重新回答一次"谁该接住这份责任",这一次,轮到数据库来接。
这篇文章对您有帮助吗?

订阅66必读

每日精选科技资讯,直达你的邮箱