AI无法解决的Bug系列(一)跨时区日期过滤问题

跨时区开发中,React Native如何处理新西兰的日期过滤问题

有些Bug,不是你写错代码,而是现实太魔幻

比如我最近给新西兰客户开发一个React Native应用,功能非常朴素:用户选一个日期范围,系统返回该范围内的日志。

很简单对吧?结果客户连着几天发消息抱怨:

"我选 4 月 30 日,结果一个日志都没有。"

"我选 29 到 30 日,它却只给我 28 日的内容?"

我这边一看,数据库明明有数据,接口逻辑也没问题。我自己一测,一切正常。

奇怪的分界线:12 点

后来我逐渐发现一个微妙的规律:客户上午测试就报错 ,我这边是中午12点以后测试的,每次都正常。

这让我突然意识到一个关键问题------新西兰时区比UTC快整整 12 或 13 小时(取决于是否夏令时)

所以客户早上选"今天"的时候,其实是:

  • 新西兰时间:2025-04-30 09:00
  • 转成UTC:2025-04-29 21:00

后台拿到UTC一查:29 号?当然没有 30 号的日志,客户当然觉得你系统出错。

AI登场:一本正经地告诉我"你没转换时区"

我让AI帮忙分析,它第一句话就是:

"请将前端的日期转换为 Pacific/Auckland 时区再传给后端。"

我笑了。这当然是"正解",可惜我们用的前端组件(DatePicker那一类)永远返回的是UTC ,你再怎么本地转换,它最后还是给你一个 2025-04-29T12:00:00.000Z

这不就等于我洗了一遍手,又摸回原来的脏东西上。

插曲一:传字符串行不行?

我一度觉得,既然组件不行,那干脆直接传字符串吧 ,比如 "2025-04-30" 这种明明白白的格式。

于是我建议大家传字符串,再在后端统一用 new Date("2025-04-30") 来解析。

听起来确实不错,结果一试......全系统几十个地方涉及日期格式解析、比较、展示,全都要重写,组件也不认字符串了,还得加一堆格式化处理。

我沉默了 5 秒钟,打回这个提议。

还是太重了,伤筋动骨,放弃。

插曲二:传个"假UTC"看看?

我灵光一闪:如果我硬要前端传 UTC 时间,那我干脆就"骗"它一下好了!

用户选 2025-04-30,我就手动往这个时间里加 12 或 13 小时,让它看起来像 UTC,但其实它表示的是新西兰时间。

比如:

ts 复制代码
// dateFrom: 2025-04-30T00:00:00 NZT
// -> 调整后发送:2025-04-29T12:00:00Z(UTC格式)

这样一来:

  • 组件依旧开心,传的是 Date
  • 后端逻辑不动,处理的是 UTC
  • 看上去合规,实际上我们偷偷塞了个"假的UTC"进去

我把这个方案告诉AI,它思考了两秒钟,回答说:

"唯一的缺点是,从技术严格性角度来看,这不是一个'正确'的解决方案。但从实用角度看,它完全解决了问题,并且代码干净简洁。"

"这种方法本质上是通过人为调整时间来补偿时区差异,而不是通过标准的时区转换机制。"

我:???
你前面怎么没提这个方案?

只能说,AI的知识面再广,它也想不到"骗时间"这种歪招------因为它不敢提这种方案,它太"正直"了,不像人类程序员这样"又懒又坏还有效"。

最后的实现

我的方案非常简单,只做两件事:

  1. Intl.DateTimeFormat 获取新西兰当前偏移量(动态判断是否夏令时)
  2. 在用户选完日期后,手动加上这个小时数,直接塞进 Date 对象里传给后端

后端收到的是标准UTC,但时间已经被我偷偷换过了。

业务逻辑不动,UI正常,所有日志都对上了。

ts 复制代码
const getNZOffsetHours = () => {
  try {
    const now = new Date();
    const formatter = new Intl.DateTimeFormat('en-US', {
      timeZone: 'Pacific/Auckland',
      timeZoneName: 'short'
    });
    const formatted = formatter.format(now); // e.g., "4/30/2025, NZST"
    const match = formatted.match(/GMT([+-]\d+)/);
    return match && match[1] ? parseInt(match[1], 10) : 12;
  } catch {
    return 12;
  }
};

有时候,最聪明的不是AI

你可以让AI写代码、查bug、做重构。但它无法替代你站在"真实用户"和"现有代码"的缝隙中,找到那个最合适的、最省事的方案

这种Bug,就是典型的:

  • 你说它不是Bug吧,它确实出错了;
  • 你说它是Bug吧,代码哪哪都没写错。

最终解决它的不是完美设计,而是一点点工程直觉和一点点狡猾。


这就是"AI无法解决的Bug系列"的第一篇。

如果你也踩过这种坑,别急着问AI,先问问自己:
我能不能骗一骗它?

下集见。

相关推荐
禁默4 分钟前
打通 AI 与信号处理的“任督二脉”:Ascend SIP Boost 加速库深度实战
人工智能·信号处理·cann
心疼你的一切23 分钟前
昇腾CANN实战落地:从智慧城市到AIGC,解锁五大行业AI应用的算力密码
数据仓库·人工智能·深度学习·aigc·智慧城市·cann
AI绘画哇哒哒27 分钟前
【干货收藏】深度解析AI Agent框架:设计原理+主流选型+项目实操,一站式学习指南
人工智能·学习·ai·程序员·大模型·产品经理·转行
数据分析能量站29 分钟前
Clawdbot(现名Moltbot)-现状分析
人工智能
那个村的李富贵33 分钟前
CANN加速下的AIGC“即时翻译”:AI语音克隆与实时变声实战
人工智能·算法·aigc·cann
二十雨辰34 分钟前
[python]-AI大模型
开发语言·人工智能·python
陈天伟教授34 分钟前
人工智能应用- 语言理解:04.大语言模型
人工智能·语言模型·自然语言处理
Luhui Dev34 分钟前
AI 与数学的融合:技术路径、应用前沿与未来展望(2026 版)
人工智能
chian-ocean1 小时前
量化加速实战:基于 `ops-transformer` 的 INT8 Transformer 推理
人工智能·深度学习·transformer
那个村的李富贵1 小时前
从CANN到Canvas:AI绘画加速实战与源码解析
人工智能·ai作画·cann