AI 編碼信任危機：點解九成高層睇好嘅代碼，出街就爆鑊？

呢個現象喺報告入面有個名堂，叫「感覺編碼」——即係嗰種睇落冇問題就信晒佢，直接就生成同出街嘅做法。報告指出，呢種「冇經過驗證嘅信任」已經成為主流，仲搞到生產環境出現危機 。

唔止 New Relic：全行都響緊警號

其實唔止 New Relic 一個喺度大聲疾呼。2026 年其他行業報告都畫出同一幅圖畫：

• **Lightrun 嘅《2026 AI 驅動工程狀況報告》**發現，43% 嘅 AI 生成代碼改動，就算過咗 QA 同預發測試，都要喺生產環境度手動除錯。冇一個受訪者話佢哋公司可以一次重新部署就搞掂一個 AI 建議嘅修復；88% 話需要兩到三次部署週期先得 。
• **Faros AI 嘅《2026 工程報告》**發現，每個開發者嘅 Bug 數量升咗 54%，事故對 Pull Request 嘅比例更係翻咗超過三倍。報告直指，AI 採用率同生產質量之間嘅關係唔係越嚟越好，而係越嚟越差 。
• **Sonar 嘅《2026 程式碼狀況開發者調查》**發現，AI 已經佔咗 42% 嘅已提交程式碼，預計到 2027 年會去到 65%——但 96% 嘅開發者唔完全信任 AI 生成嘅代碼，而且得 48% 嘅人會喺提交前一定做驗證 。
• CodeRabbit 分析咗 470 個開源 Pull Request，顯示 AI 生成嘅 PR 整體問題多約 1.7 倍，主要集中喺邏輯錯誤、錯誤處理漏洞同安全發現上。喺第 90 個百分位數，AI PR 有 26 個問題，而人類 PR 只得 12.3 個 。

歸根結底，個問題唔係 AI 寫嘅碼好差。而係生成速度係人類嘅 5 到 10 倍，但驗證速度仍然係 1 倍 。本來為人類工作節奏設計嘅程式碼審查流程，根本追唔上 AI 嘅輸出量，造成咗一個「驗證瓶頸」，令唔可靠嘅程式碼可以神不知鬼不覺咁走咗入生產環境。

應對方案：New Relic AI Coding Observability 出場

2026 年 6 月 8 日，New Relic 直接回應呢個脫節問題，宣布開發緊一套叫 New Relic AI Coding Observability 嘅開源可觀測性方案，專為 AI 輔助軟件開發而設計 。呢個功能預定喺 2026 年 6 月 23 日推出，而且唔使 New Relic 客戶額外俾錢 。

一個跨平台、唔會綁死嘅遙測層

呢個架構嘅設計好關鍵。New Relic 特登將 AI Coding Observability 建基於兩個開放標準：OpenTelemetry (OTel) 同 模型上下文協議 (MCP) 。咁樣意味住團隊唔會俾 New Relic 嘅遙測格式綁死，亦唔會鎖死喺單一嘅 AI 編碼助手。任何一個能夠曝露 MCP 相容遙測數據嘅助手——例如 GitHub Copilot、Cursor、Claude Code 等等——都可以接入同一個可觀測性層 。喺一個今日嘅主流編碼工具聽日可能就唔係嘅市場入面，唔俾供應商鎖死，係一個好實際嘅需要。

三大核心功能

New Relic 嘅公布列出咗 AI Coding Observability 嘅三大支柱 ：

1. 可視性 —— 追蹤開發期間 AI 編碼助手點樣被使用：用緊咩工具、用得幾密、生成咗啲乜。目標係將碎片化、冇人理嘅 AI 使用情況，轉變成一種受管理、可量度嘅工程實踐。
2. 成本控制 —— 透過預算警示嚟預測同控制 AI 編碼嘅支出。呢個直接解決咗 FinOps 團隊成日投訴嘅盲點：佢哋成日都收到一筆筆唔清唔楚嘅 AI 編碼工具月結單，但完全唔知筆錢創造咗咩價值 。
3. 治理 —— 確保查詢同代碼生成嘅過程安全兼可審計，仲包括一個「零對外傳輸」模式，確保敏感數據留喺機構自己嘅網絡入面 。

打通開發到生產嘅經脈

呢個策略嘅核心在於「關聯性」。AI Coding Observability 嘅設計，係要標準化唔同 AI 編碼助手嘅遙測數據，再將佢同現有嘅生產基礎設施無縫關聯起嚟 。個概念係創造一個統一嘅監控儀錶板，等團隊可以追蹤一個 AI 生成嘅改動，由開發環境（IDE）開始，穿過部署管道，一路落到生產環境——然後睇下呢個改動，同幾個鐘頭甚至幾日後出現嘅事故高鋒期有冇關聯。

點解呢個係工程領導層嘅轉捩點？

CTO 們喺 2024 到 2025 年，全部都係聚焦喺 AI 編碼助手嘅採用同生產力提升。但 New Relic、Lightrun、Faros、Sonar 等機構嘅數據講得好清楚，下一個階段，一定要聚焦喺驗證、可靠度同成本問責。

喺程式碼審查階段有 94% 嘅信心，本身未必係錯——AI 好多時的確會生成乾淨、可讀、語法正確嘅代碼，過到靜態分析。失敗嘅模式係環境性嘅：AI 生成嘅代碼喺 Pull Request 呢個狹窄嘅沙箱入面表現良好，但一遇到複雜嘅生產數據、真實用戶行為同系統互動，就會頂唔順。而呢啲嘢，冇一個程式碼審查可以完全模擬到 。如果缺乏一個橫跨兩個階段嘅可觀測性，機構評分就好似用緊一個生產環境根本唔承認嘅「等級曲線」。

New Relic 嘅 AI Coding Observability，正正就係一次直接嘗試，去將呢個循環閉合返，推動成個行業由「信個審查結果」進化到「喺生產環境度驗證」嘅年代。