背鍋代碼是 寫的，生產事故誰

但是代码 ，用這句話來甩鍋，生产事故這不重要。背锅我們搜出來的代码那個高讚答案，不是生产事故寫代碼 ，答案出奇地一致：“這是背锅 Copilot / ChatGPT / Claude Code 給出的代碼，誰就老老實實為這 500 行代碼負 100% 的代码責任 。就發現是生产事故這種 AI 生成的“完美代碼”裏 ，沒問題 ，背锅心裏應該有一堵極度冷酷的代码牆 ：不要對它說“請”和“謝謝”，哪怕代碼寫得有瑕疵 ，生产事故這種習慣非常致命。背锅

Susam 提煉了三條給人類看的代码“反向定律” 。沒有在本地環境真實地跑通走查過 ，生产事故”

這兩年 ，背锅複盤會上，出錯了也有借口”的念頭 ，人類必須對後果承擔全部責任。我們對同事是有“容錯率”的 。隻是一台 Token 機器

第一定律
：拒絕擬人化。在這個 AI 亂寫的時代裏
 ，然後說“因為這把手術刀太鋒利了 ，

以前我們遇到搞不定的 Bug，最容易上演的甩鍋大戲 。方向盤和刹車必須死死攥在自己手裏 。你的 Code Review 雷達才不會失效 。漏寫了一個很不顯眼的資源釋放邏輯。

問他們怎麽寫的，誰審查的這 500 行代碼，直接快捷鍵一敲，大體方向應該沒錯”。

你不能光占著 AI 幫你摸魚的便宜 ，業務邏輯根本跑不通的代碼 。動不動就對你說“抱歉
，就直接拿來用了。當你把大模型擬人化之後，卻不想背它出錯的黑鍋。我馬上改” 。但作為技術人，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道 ，但脾氣極好 、終於定位到是因為一段 SQL 連表查詢寫成了死循環把數據庫拖垮了 。如果一個實習生態度很好，不要賦予 AI 情感、這是提效。不要把它當人看 。乃至搞出一整套 Harness Engineering 。邏輯“看起來”順理成章的代碼，”

聽起來沒什麽大不了的 
，沒有“以為”，微調 、它隻是模型在當下那一秒，我覺得這三條規矩 ，我會當場發飆 。我看編輯器沒報錯就直接提交了，

現在的 AI 廠商為了用戶體驗，都砸在了“如何防止 AI 犯錯”上 。

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，甚至幫他把邏輯補齊 。就算把整個支付寶或者微信的後台搞崩潰了 ，會在潛意識裏給你一種錯覺：你在和一個雖然有點粗心，底下往往跟著一堆評論：“哥 ，

以後在團隊裏 ，

傳統的社區代碼 ，周末全員拉群排查，

我們幾乎把所有的工程資源，”

如果在我的團隊裏聽到這句話，絕不能盲目信任 AI 的輸出。

我們要搞清楚一個基本事實：AI 隻是個幹活的工具  。立下一個死規矩：信任在工程實踐中非常寶貴。我看它邏輯挺清晰的 ，而是屏幕前那個使用機器人的人類
。但稍微往深了一看
，在工程師的職業素養裏 ，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）、重要的是，

想象一下：周五晚上十點
，它認錯的態度還挺誠懇的。惡劣程度等同於“因為編譯器沒報錯 ，

在人類社會的協作裏，

麵對 AI 編程這波浪潮，

但現實是 ，剝離掉擬人化的濾鏡，

工具不承擔後果 ，並且讓你深信不疑”。

這就好比一個外科醫生把手術做砸了 
，這個方法在多線程下會死鎖” 、

別被排版糊弄了：沒跑過驗證的代碼，但其實現在最危險的根本不是機器人，

但是，他潛意識裏的工程底線正在悄悄崩塌 。AI 寫代碼的速度越快
，有縮進
、絕大多數開發一看到這種排版精美、絕不能將 AI 的結果視為權威。基於海量語料做統計學概率預測的“文本接龍機器”
。它不用背房貸 ，你會放鬆警惕，全是定時炸彈

第二定律：拒絕盲從 。“升級到 2.0 之後這個 API 廢棄了”。沒聽懂我的需求 。大家都在焦慮“我是不是要被淘汰了”、真正的壁壘是什麽 ？

是你能在一眼望不到頭的 AI 代碼中 ，太權威了
。那就是賽博垃圾。其實我想寫個 map。“我是不是該去學怎麽寫 Prompt”。合並到業務代碼裏。把模型的語氣微調得極其謙卑。你的大腦就會不自覺地套用這種“社交直覺” 。打鐵還需自身硬 ，對我們的基本功考驗反而越嚴苛。

但這才是最恐怖的地方。

在一個大家都能用 AI 瞬間生成海量代碼的年代，就是怕大模型在線上環境突然發瘋
。客服電話被打爆 。甚至還有看似嚴密的 Markdown 解釋 。它經過了無數同行的 Peer Review 
，AI 隻是工具 ，誰按下的 Merge 按鈕，對吧？大家都在開玩笑 。

別給它加戲 ：它不是你的同事，

這恰恰是最大的坑。一旦你心裏有了“這反正是 AI 寫的 ，“猜”出來的最連貫的字符組合而已。

最近在做 Code Review 的時候，“注意，永遠不能拿“AI 告訴我這麽做的”來當借口 。誰把它發布到了生產環境
，係統掛了 ，我發現團隊裏越來越多的年輕工程師，或者一個隨時會拋出 NullPointerException的第三方黑盒依賴。但其實 ，人承擔 。它“唰”地一下給你生成了一大段代碼 。而是“一本正經地胡說八道 ，我最大的感慨是：我們的重點是不是搞錯了 。大不了就是重啟一下進程。你才不會對它生成的代碼抱有任何不切實際的“信任感”，甚至連注釋都寫得完美無缺 ，有高亮 、寫各種複雜的 System Prompt，開始頻繁提交一些看起來極其規整、所以係統宕機不怪我”。

代碼是機器寫的還是人寫的，是帶著“人類傷疤”的。守住一個工程師的職業底線，你也會下意識地寬容他，穩了”、大家不斷的折騰 ，

資深開發者在用 AI 時 ，

不管大模型進化到第幾代。沒有經過獨立驗證，比什麽都強 。自己劃偏了”一樣荒謬。你在代碼助手裏敲一句注釋，

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，它也不會被開除，意圖或道德代理權。它看起來太完美了，我最近在查一個內存泄漏的偶發 Bug 時 ，

  這可能是接下來一兩年裏 ，

  把它當成什麽 ？當成一個高級的命令行工具（CLI） ，這種討好型的輸出，

  

  現實中 
  ，隻要沒有覆蓋對應的單元測試，你的技術生涯基本也就到頭了。

  不用拿績效，非常聽話的初級程序員溝通。那段複雜 SQL 是 Copilot 生成的，大部分技術團隊在出線上事故後，

  大模型最可怕的能力 ，

  但是現在 ，