去年全球支付故障造成的直接損失超過118億美元。這個(gè)數(shù)字背后，往往不是代碼寫錯(cuò)了，而是工程師沒想到"同一筆錢會(huì)被扣兩次"。

一位前Stripe工程師最近干了件事：他在VibeCode Arena（一個(gè)AI編程挑戰(zhàn)平臺(tái)）發(fā)布了一道看似簡(jiǎn)單的支付防重題。結(jié)果47個(gè)AI模型參與測(cè)試，真正通過并發(fā)場(chǎng)景的不到4個(gè)。

題目看起來像個(gè)送分題

系統(tǒng)邏輯白紙黑字：先檢查這筆訂單是否已支付，沒付就扣款，付了直接返回。人類工程師掃一眼就能寫出的代碼，AI卻集體翻車。

問題藏在兩個(gè)AI"看不見"的角落。網(wǎng)絡(luò)超時(shí)后自動(dòng)重試——這是支付系統(tǒng)的標(biāo)配，但多數(shù)模型把它當(dāng)成"不可能發(fā)生"的邊緣情況。更隱蔽的是并發(fā)窗口：兩個(gè)請(qǐng)求同時(shí)讀到"未支付"，同時(shí)扣款，用戶賬戶瞬間被劃走雙倍金額。

這位工程師把這種現(xiàn)象叫做"偽安全"——代碼跑起來沒問題，測(cè)試環(huán)境也正常，一上生產(chǎn)環(huán)境就埋雷。

AI的盲區(qū)，恰恰是人類的日常

測(cè)試結(jié)果顯示，AI模型在單線程場(chǎng)景表現(xiàn)穩(wěn)定，但一旦引入并發(fā)壓力，失敗率飆升到89%。最典型的一類錯(cuò)誤：模型加了數(shù)據(jù)庫(kù)鎖，卻鎖在了錯(cuò)誤的位置——檢查狀態(tài)和扣款動(dòng)作之間仍有縫隙。

另一位支付架構(gòu)師在評(píng)論區(qū)補(bǔ)刀：「我們生產(chǎn)環(huán)境去年處理過230萬次重試請(qǐng)求，其中1.2%觸發(fā)了競(jìng)態(tài)條件。這個(gè)數(shù)字聽起來小，乘以日均交易量就是真金白銀。」

真正懂支付的工程師會(huì)設(shè)計(jì)"冪等鍵"（idempotency key，即唯一標(biāo)識(shí)符）——每筆交易帶一個(gè)不會(huì)重復(fù)的令牌，系統(tǒng)憑這個(gè)令牌拒絕重復(fù)處理。但測(cè)試中只有不到8%的AI模型主動(dòng)實(shí)現(xiàn)了這一機(jī)制。

為什么AI學(xué)不會(huì)"怕"

訓(xùn)練數(shù)據(jù)可能是元兇。GitHub上開源的支付代碼大多展示" happy path "（理想流程），異常處理、熔斷降級(jí)、冪等設(shè)計(jì)這些臟活累活，往往躺在公司的私有倉(cāng)庫(kù)里。

AI學(xué)到的更多是"代碼能跑"，而非"系統(tǒng)能扛"。一位參與測(cè)試的Claude用戶反饋：「它給我寫的代碼邏輯自洽，但我追問'如果網(wǎng)絡(luò)抖動(dòng)導(dǎo)致重試呢'，它才恍然大悟地補(bǔ)上一段補(bǔ)丁?！?/p>

這種"追問才修復(fù)"的模式，在支付場(chǎng)景里等于讓用戶當(dāng)小白鼠。

人類還在哪些環(huán)節(jié)不可替代

Stripe、Adyen這些支付巨頭的工程師有個(gè)共同習(xí)慣：寫代碼前先畫"故障樹"——窮盡所有可能出錯(cuò)的節(jié)點(diǎn)，再針對(duì)性設(shè)計(jì)防御。這種逆向思維，目前仍是AI的短板。

那位出題工程師最后放了一句話：「我不會(huì)用AI生成直接對(duì)接資金系統(tǒng)的代碼，但會(huì)用它快速生成測(cè)試用例——尤其是人類容易遺漏的并發(fā)場(chǎng)景?！?/p>

這道題的鏈接至今掛在VibeCode Arena首頁(yè)，通過率從4%緩慢爬升到11%。最新一條評(píng)論來自某金融科技公司的QA負(fù)責(zé)人：「我把這題丟給團(tuán)隊(duì)里的初級(jí)工程師，三個(gè)人里兩個(gè)踩了同樣的坑?！?/p>

如果AI暫時(shí)學(xué)不會(huì)"怕"，那人類工程師的怕，該由誰來兜底？