AI幻觉导致的Bug到底算谁的锅？

写代码最怕的就是AI一本正经地胡说八道。前两天我在跑一个复杂的异步任务流，参考了AI给出的库函数用法，结果跑起来直接报了 AttributeError，检查发现它臆造了一个根本不存在的方法名。

这种“幻觉”在实战中真的很坑，尤其是当你完全信任它的 API 建议而没有去翻官方文档的时候。我一直在思考，当 AI 给出的错误引导导致项目进度延期或者生产环境出问题时，责任链怎么划分？

• 模型层： 训练数据的噪声或者概率预测的随机性导致了幻觉。
• 提示词层： 可能是我的 Prompt 没写清楚约束条件，给了 AI 自由发挥的空间。
• 开发者层： 缺乏对 AI 输出结果的验证（Verification）环节，盲目 Copy-Paste。

目前的体感是，AI Agent 越强，这种隐蔽的误导就越危险。现在我的工作流强制要求：所有 AI 生成的第三方库调用，必须先在 Readme 或文档中检索确认，不能直接信任。

# 典型的被AI误导后的排查路径
grep -r "不存在的方法名" ./src  # 快速定位 AI 坑在哪个文件
npm info <package-name>         # 确认版本号和可用 API