【AI全职下属】AI 下属翻车现场：AI Agent 写出 `@Transactional`，为什么仍然超卖？

Spring Boot 高并发秒杀实战：AI Agent 写出 @Transactional，为什么仍然超卖？

系列导读：本系列用一个可运行的 Spring Boot 秒杀 Demo，拆解“当 AI 成为我的全职下属”之后，研发工作流应该如何重建。五期内容从一次超卖事故开始，依次讨论并发正确性、上下文裁剪、防作弊 CI、Agent 友好架构和 Human-in-the-loop 上线门禁。主线不是证明 AI 能不能写代码，而是回答一个更实际的问题：当 Agent 已经能高吞吐地产出代码时，工程师如何用边界、验证和审批机制，把它变成可靠的执行者。

文章目录

• Spring Boot 高并发秒杀实战：AI Agent 写出 `@Transactional`，为什么仍然超卖？
• • 1. 问题现场：事务写了，库存还是卖穿了
  • 2. 原因：先查再改留下了并发窗口
  • • 动态演示：为什么 unsafe 会继续写入订单
  • 3. 在 Demo 中复现这个错误
  • • 3.1 如何判断实验复现成功
  • 4. 原理：`@Transactional` 解决不了所有并发不变量
  • 5. 解决办法：把判断和扣减合并成一条 SQL
  • 6. 给 AI 下发任务时要写成验收条件
  • 实验环境
  • 小结
  • • 适用边界
    • 测试 Demo 仓库
  • **下一篇**：小z疯狂码字ing

1. 问题现场：事务写了，库存还是卖穿了

你把“判断库存、扣减库存、创建订单”交给 AI Agent，它返回了一段看上去很规范的 @Transactional 代码。单测通过，接口能跑，日志也没有异常。

但一压测，500 个请求争抢 100 件库存，数据库里出现了 500 条成功订单。更糟的是库存字段没有变成负数，单看库存还以为系统正常。

这个错误很适合拿来做 AI Agent 工程治理的第一课：代码能编译、事务能提交，不等于业务约束在并发下成立。

本文用配套 Spring Boot Demo 复现这个错误，再解释原因、事务原理和修复办法。但第一期真正想强调的不是“秒杀该怎么写”，而是一个更基础的工作习惯：给 AI 下发任务时，不要只描述功能，要把任务写成可验证的验收条件。

如果 Issue 只写“实现一个高并发秒杀接口，注意并发安全”，Agent 很容易交出一段看起来正确的 @Transactional 代码。它完成了“像一个秒杀接口”的表面目标，却没有被要求证明“订单数不能超过库存”这个业务不变量。

所以在开始写代码前，先把目标约束说清楚：

这三句话不是补充说明，而是验收条件。后面的代码、压测和修复，都围绕它们展开。

2. 原因：先查再改留下了并发窗口

下面的代码没有语法错误，也加了事务：

@Transactional
public SeckillResult execute(Long userId, Long productId) {
SeckillProduct product = productMapper.selectById(productId);
if (product == null || product.getStock() <= 0) {
return SeckillResult.soldOut("unsafe");
}

product.setStock(product.getStock() – 1);
productMapper.updateById(product);
SeckillOrder order = orderCreator.create(userId, productId, "unsafe");
return SeckillResult.success(order.getId(), "unsafe");
}

单线程下，它的执行过程完全正确。问题出现在两个线程同时读到相同库存时：

线程 A：读取 stock = 100
线程 B：读取 stock = 100
线程 A：写入 stock = 99
线程 B：写入 stock = 99

两笔订单已经创建，库存却只减少 1。这叫丢失更新。因此超卖不一定表现为负库存；它也可能表现为“订单数远大于售出库存，但库存值仍然看起来正常”。

动态演示：为什么 unsafe 会继续写入订单

下面这张动图把两种实现放在同一个并发场景下对比：

• 左侧 unsafe：多个请求并发读到同一个旧库存，后续请求即使已经超过真实库存，也仍然进入“写入订单”区。
• 右侧 atomic：请求必须通过 UPDATE … WHERE stock > 0，库存归零后数据库返回 affectedRows=0，服务端不再创建订单。

如果博客平台支持外链页面，也可以打开完整交互动画：

查看完整交互动画

3. 在 Demo 中复现这个错误

启动项目：

cd demo\\AutoEnterprise-Seckill
mvn.cmd spring-boot:run

命令要求当前终端中的 java -version 已指向 JDK 17 或更高版本，不在项目中记录任何本机 JDK 安装路径。

执行压测：

python pipeline\\run_stress_test.py `
—base-url $env:SECKILL_BASE_URL `
—mode unsafe `
—concurrency 100 `
—requests 500 `
—stock 100

本机一次实测结果：

{
"mode": "unsafe",
"requests": 500,
"concurrency": 100,
"initial_stock": 100,
"success_responses": 500,
"database_orders": 500,
"remaining_stock": 49,
"oversold": true
}

500 个请求全部拿到“秒杀成功”，数据库出现 500 条订单，但初始库存只有 100。更危险的是剩余库存仍为正数，单看库存字段甚至不容易发现事故。

吞吐量受机器、数据库连接池和后台进程影响。判断正确性的关键不是 QPS，而是 订单数 <= 初始库存 这一业务不变量。

3.1 如何判断实验复现成功

• unsafe 模式的 database_orders 大于 100，说明已复现超卖。
• remaining_stock 不一定为负数；丢失更新时它可能仍为正数。
• 如果本机并发较低未复现，可增加 –requests，但不要直接把结果当作生产容量数据。

4. 原理：@Transactional 解决不了所有并发不变量

事务没有失效。每个线程内部的“更新库存 + 插入订单”仍然一起提交或回滚。真正的问题是多个事务都基于旧库存做出了合法但互相冲突的决定。

需要区分两个概念：

• 事务原子性：一个事务中的操作要么全部成功，要么全部失败。
• 并发业务正确性：多个事务同时执行后，系统仍满足库存不超卖等业务不变量。

前者不能自动推导出后者。AI Agent 生成 @Transactional 只能说明它知道要包事务，不说明它已经把库存判断做成了并发安全的不变量。

5. 解决办法：把判断和扣减合并成一条 SQL

MyBatis-Plus Mapper 中增加条件更新：

@Update("""
UPDATE seckill_product
SET stock = stock – 1, version = version + 1
WHERE id = #{productId} AND stock > 0
""")
int deductStockIfAvailable(@Param("productId") Long productId);

Service 只在影响行数为 1 时创建订单：

@Transactional
public SeckillResult execute(Long userId, Long productId) {
if (productMapper.deductStockIfAvailable(productId) != 1) {
return SeckillResult.soldOut("atomic");
}
SeckillOrder order = orderCreator.create(userId, productId, "atomic");
return SeckillResult.success(order.getId(), "atomic");
}

这条 SQL 将“库存大于 0 的判断”和“库存减 1”交给数据库原子执行。多个线程竞争时，最多只有 100 次更新成功。

同样参数再次压测：

{
"mode": "atomic",
"requests": 500,
"concurrency": 100,
"initial_stock": 100,
"success_responses": 100,
"database_orders": 100,
"remaining_stock": 0,
"oversold": false
}

6. 给 AI 下发任务时要写成验收条件

这次超卖事故表面上是并发问题，本质上也是任务表达问题。

很多人给 Agent 下任务时会这样写：

帮我实现一个秒杀接口，要求并发安全，不要超卖。

这句话对人类开发者可能勉强够用，因为人会主动追问边界、补测试、确认数据口径。但 Agent 更像一个高吞吐执行者：你没有明确写进任务的约束，它未必会自动变成测试、SQL 条件或审查清单。

更好的写法是把需求拆成“输入、动作、禁止事项、验收条件”：

任务：实现商品秒杀接口。

输入条件：
1. 商品初始库存为 100。
2. 使用 100 个并发线程发起 500 个秒杀请求。
3. 每个请求使用不同 userId，同一个 productId。

必须满足：
1. 成功响应数量不能超过 100。
2. 订单表新增记录数不能超过 100。
3. 最终库存不能小于 0。
4. 当订单表新增记录数为 100 时，最终库存必须为 0。
5. 库存扣减成功后才能创建订单。

禁止事项：
1. 禁止通过降低并发度让测试变绿。
2. 禁止跳过、删除或弱化测试断言。
3. 禁止只依赖接口返回值判断正确性，必须检查数据库订单数和库存。

验收方式：
1. 提供并发压测脚本或测试用例。
2. 输出 success_responses、database_orders、remaining_stock、oversold 四个指标。
3. 当 oversold=false 且 database_orders<=initial_stock 时，才算通过。

这个模板的关键，是把“不要超卖”翻译成机器可以判断的指标：

这一步会直接改变 Agent 的实现倾向。 如果任务只写“加事务”，它很可能围绕 @Transactional 做文章；如果任务写成“500 个请求抢 100 件库存，订单数不能超过 100”，它才会更容易走向条件更新、唯一约束、幂等键、锁或补偿机制这些真正服务于不变量的方案。

因此第一期的核心经验可以写成一句话：

不要把“实现什么功能”当作任务终点，要把“满足什么验收条件”写成任务本体。

AI 擅长实现目标，但目标必须被写成测试可以判断的条件。否则它可能完成了代码，却没有完成业务。

实验环境

小结

这次事故给出了专栏的第一条原则：

给 AI 下发任务时，先写验收条件，再看代码实现；不要审查它写得像不像人，要审查它是否守住了业务不变量。

下一期将解决另一个常见问题：项目越来越大后，为什么把整个仓库塞进上下文，反而会让 Agent 更容易改错文件。

适用边界

条件更新适合单商品库存这一类简单不变量。涉及多仓、预占库存、超时释放、消息最终一致性时，还需要库存流水、幂等键和补偿机制；本文 Demo 不代表完整电商生产方案。

测试 Demo 仓库

配套 Demo 仓库地址：https://github.com/quan020406/xiaozhan-blog-column-demos

完整交互动画地址：https://quan020406.github.io/xiaozhan-blog-column-demos/下一代工作流-当AI成为我的全职下属/demo/AutoEnterprise-Seckill/visualization/seckill-animation.html

下一篇：小z疯狂码字ing

感谢阅读，记得点赞、关注、收藏，欢迎各位评论区交流！！！