如果你的系統只是個學生專題，那 AI 幫你寫的 CRUD 確實很堪用。但在真實產品上，AI 寫出來的資料庫操作簡直可能會變成未爆彈。AI 最喜歡做的事，就是呼叫一連串的 db.insert() 或是 db.update()，卻完全不幫你包在一個 Transaction（交易）裡面。一旦執行到一半網路抖一下，或者某個欄位 Validation 沒過，你的資料庫裡就會留下一堆失去關聯的孤兒資料（Orphan Data）。

前陣子，有個 vibe coder 用 ChatGPT 寫了電商的結帳邏輯。AI 給出的 Code 看起來條理分明：
先把使用者的錢包餘額扣掉>再把庫存數量減一>最後建立一張訂單紀錄。

vibe coder 看了一眼覺得邏輯滿分，直接推上線。結果某天晚上，資料庫的連線池（Connection Pool）剛好滿了。系統在執行完第一步跟第二步之後，要執行第三步建立訂單時，噴出了 TimeoutError。

因為這三步操作沒有被包在同一個資料庫 Transaction 裡，使用者的錢被扣了，庫存也被扣了，但訂單根本沒建立出來。

面對 AI 產生的這種髒 code ，我們必須想辦法攔截

1. 靜態分析：強制要求 Transaction 裝飾器或 Context Manager
   我們不能依賴人眼去檢查有沒有漏寫 Rollback。直接在 Linter 的層級，制定規範。以 Python 的 SQLAlchemy 為例，我們要求只要是有寫入（Insert/Update/Delete）操作的 Service Function，就必須有 @transactional 的裝飾器，或是明確使用 with session.begin():。

2. 整合測試：
   在 CI 的 E2E 測試中，應該故意在連續資料庫寫入的過程中，注入一個 Exception（Fault Injection）。然後去斷言（Assert）資料庫的狀態必須 100% 回滾到操作前的狀態。只要查到任何一筆多出來的髒資料，CI 直接亮紅燈。