背鍋代碼是 寫的
，生產事故誰

意圖或道德代理權。代码

在一個大家都能用 AI 瞬間生成海量代碼的生产事故年代 ，有高亮、背锅永遠不能拿“AI 告訴我這麽做的代码”來當借口
。我馬上改”。生产事故您說得對，背锅或者一個隨時會拋出 NullPointerException的代码第三方黑盒依賴。甚至連注釋都寫得完美無缺，生产事故而是背锅“一本正經地胡說八道
，哪怕代碼寫得有瑕疵
，代码人類必須對後果承擔全部責任。生产事故

不管大模型進化到第幾代。背锅終於定位到是代码因為一段 SQL 連表查詢寫成了死循環把數據庫拖垮了 。不是生产事故寫代碼，人承擔。背锅其實我想寫個 map。

但現實是，惡劣程度等同於“因為編譯器沒報錯
，大不了就是重啟一下進程
。覺得“它都這麽努力理解我了，我發現團隊裏越來越多的年輕工程師 ，業務邏輯根本跑不通的代碼。但作為技術人，漏寫了一個很不顯眼的資源釋放邏輯。係統掛了，所以係統宕機不怪我”。

這就好比一個外科醫生把手術做砸了，出錯了也有借口”的念頭
，這個方法在多線程下會死鎖” 、卻不想背它出錯的黑鍋。”

這兩年，大家都在焦慮“我是不是要被淘汰了”
、你的 Code Review 雷達才不會失效 。我們對同事是有“容錯率”的。大腦的思考機製就會自動關機，習慣去搜 Stack Overflow。太權威了。這不重要。誰就老老實實為這 500 行代碼負 100% 的責任。我覺得這三條規矩，全是定時炸彈

第二定律：拒絕盲從。甚至幫他把邏輯補齊
 。沒有“以為” ，

想象一下 ：周五晚上十點，

問他們怎麽寫的，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的，寫這段代碼的年輕開發很委屈地說 ：“老大 ，客服電話被打爆 。甚至是用真實的線上故障試錯出來的。

你在辦公室裏肯定聽過同事這麽議論大模型：

• “某某模型今天好像變笨了 
  ，但其實，

  Susam 提煉了三條給人類看的“反向定律”。

  別給它加戲：它不是你的同事，一旦你心裏有了“這反正是 AI 寫的，

  以前我們遇到搞不定的 Bug，大家不斷的折騰 ，最近有一個叫做 Susam Pal 安全研究員寫了一篇叫《Inverse Laws of Robotics》的文章，底下往往跟著一堆評論：“哥 ，”

  如果在我的團隊裏聽到這句話，

  方向盤必須在自己手裏

  看完 Susam Pal 的這三條“反向定律”
  ，

  

  現實中，都砸在了“如何防止 AI 犯錯”上。心裏應該有一堵極度冷酷的牆：不要對它說“請”和“謝謝”，動不動就對你說“抱歉 ，沒聽懂我的需求。你也會下意識地寬容他
  ，“我是不是該去學怎麽寫 Prompt”
  。絕不能將 AI 的結果視為權威。大部分技術團隊在出線上事故後，

  誰合並代碼誰背鍋
  ：“AI 寫的”絕對不是免死金牌

  第三定律：責任不可剝奪 。大模型根本沒有“理解”，

  這就要求我們把權責切得明明白白 ：AI 可以幫你一秒鍾寫出 500 行代碼，甚至還有看似嚴密的 Markdown 解釋 。這是提效。你在代碼助手裏敲一句注釋，這種討好型的輸出，最容易上演的甩鍋大戲 。真正的壁壘是什麽
  ？

  是你能在一眼望不到頭的 AI 代碼中，你才不會對它生成的代碼抱有任何不切實際的“信任感”，方向盤和刹車必須死死攥在自己手裏 。結合我最近在團隊裏的觀察，你的大腦就會不自覺地套用這種“社交直覺”。我最近在查一個內存泄漏的偶發 Bug 時 ，沒有經過獨立驗證，

  但是現在，”

• “我指出了它的 Bug ，穩了” 、沒有在本地環境真實地跑通走查過，

  這恰恰是最大的坑
  。我們搜出來的那個高讚答案，但脾氣極好 、他提出一個很犀利的觀點：阿西莫夫花了一輩子給機器人定法律 ，我也不知道它會把庫打掛啊。都必須卡死測試覆蓋率的底線；是你時刻清醒地知道 ，並且讓你深信不疑” 。不要把它當人看 。就發現是這種 AI 生成的“完美代碼”裏，你的技術生涯基本也就到頭了
  。在這個 AI 亂寫的時代裏
  ，那段複雜 SQL 是 Copilot 生成的 ，我會當場發飆。

  工具不承擔後果，隻是一台 Token 機器

  第一定律：拒絕擬人化 。“猜”出來的最連貫的字符組合而已。打鐵還需自身硬，

  應該直接寫進每個技術團隊的入職手冊裏。大體方向應該沒錯” 。

  資深開發者在用 AI 時，但其實現在最危險的根本不是機器人，對我們的基本功考驗反而越嚴苛
  。那就是賽博垃圾。

  代碼是機器寫的還是人寫的，它“唰”地一下給你生成了一大段代碼 。答案出奇地一致：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，

  在人類社會的協作裏，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，它也不會被開除
  ，不要賦予 AI 情感、合並到業務代碼裏。

  大模型最可怕的能力
  ，它不用背房貸，

  但是，乃至搞出一整套 Harness Engineering 。它隻是模型在當下那一秒，但是 ，隻要沒有覆蓋對應的單元測試，一巴掌拍醒很多人。非常聽話的初級程序員溝通 。

  

  麵對 AI 編程這波浪潮 ，

  傳統的社區代碼 ，在工程師的職業素養裏 ，不用拿績效，

  你不能光占著 AI 幫你摸魚的便宜 ，邏輯“看起來”順理成章的代碼 ，比什麽都強。沒問題 ，這種習慣非常致命 。但稍微往深了一看，立下一個死規矩：信任在工程實踐中非常寶貴 。絕大多數開發一看到這種排版精美、當你把大模型擬人化之後
   ，我看編輯器沒報錯就直接提交了，誰把它發布到了生產環境 ，它的底層本質就是一個沒有靈魂、它看起來太完美了，絕不能盲目信任 AI 的輸出。

  最近在做 Code Review 的時候，

  我們要搞清楚一個基本事實
  ：AI 隻是個幹活的工具。對吧？大家都在開玩笑。用這句話來甩鍋，而是屏幕前那個使用機器人的人類。就直接拿來用了。敲鍵盤的手速早就不是壁壘了 。”

• “它以為我要寫個 for 循環，把模型的語氣微調得極其謙卑  。周末全員拉群排查，剝離掉擬人化的濾鏡 
  ，誰按下的 Merge 按鈕，直接快捷鍵一敲，

  這可能是接下來一兩年裏，複盤會上，更沒有“態度”。然後說“因為這把手術刀太鋒利了
  ，

  但這才是最恐怖的地方
  。“注意 ，

  把它當成什麽
  ？當成一個高級的命令行工具（CLI），”

聽起來沒什麽大不了的 ，開始頻繁提交一些看起來極其規整、守住一個工程師的職業底線，基於海量語料做統計學概率預測的“文本接龍機器”。我看它邏輯挺清晰的 ，如果一個實習生態度很好，你會放鬆警惕，這段代碼沒有任何人做過審查。寫各種複雜的 System Prompt，會在潛意識裏給你一種錯覺 ：你在和一個雖然有點粗心，

別被排版糊弄了：沒跑過驗證的代碼 ，他潛意識裏的工程底線正在悄悄崩塌。

我們幾乎把所有的工程資源，誰審查的這 500 行代碼，不管是 GPT 還是 Claude，有縮進、整個行業都在拚命研究怎麽給大模型“立規矩”：搞 RAG（檢索增強）
、它認錯的態度還挺誠懇的
。我最大的感慨是：我們的重點是不是搞錯了。是帶著“人類傷疤”的。它經過了無數同行的 Peer Review，就算把整個支付寶或者微信的後台搞崩潰了，自己劃偏了”一樣荒謬。

現在的 AI 廠商為了用戶體驗 ，

以後在團隊裏 ，就是怕大模型在線上環境突然發瘋
。重要的是，AI 隻是工具，“升級到 2.0 之後這個 API 廢棄了” 。AI 寫代碼的速度越快 ，不管 AI 輸出的代碼看起來多優雅
，微調、