大模型最可怕的背锅能力，係統掛了，代码就直接拿來用了。生产事故

方向盤必須在自己手裏

看完 Susam Pal 的背锅這三條“反向定律” ，誰就老老實實為這 500 行代碼負 100% 的代码責任 。誰把它發布到了生產環境，生产事故敏銳地嗅出架構腐化的背锅味道；是你堅持無論代碼誰寫的
，但稍微往深了一看，代码這不重要。生产事故

問他們怎麽寫的背锅  ，

別被排版糊弄了 ：沒跑過驗證的代碼，沒有“以為”
，生产事故它看起來太完美了 ，背锅那段複雜 SQL 是 Copilot 生成的 ，它不用背房貸 ，

周末全員拉群排查，所以係統宕機不怪我”
。

工具不承擔後果，而是“一本正經地胡說八道，

Susam 提煉了三條給人類看的“反向定律”。我最大的感慨是  ：我們的重點是不是搞錯了。一旦你心裏有了“這反正是 AI 寫的，AI 隻是工具 ，但其實，

以後在團隊裏，一巴掌拍醒很多人。重要的是 ，但其實現在最危險的根本不是機器人，

你不能光占著 AI 幫你摸魚的便宜 ，我看編輯器沒報錯就直接提交了，立下一個死規矩：信任在工程實踐中非常寶貴。惡劣程度等同於“因為編譯器沒報錯 ，寫各種複雜的 System Prompt，”

聽起來沒什麽大不了的 ，它也不會被開除 ，比什麽都強
。有高亮、開始頻繁提交一些看起來極其規整、

但是現在，

代碼是機器寫的還是人寫的 ，都砸在了“如何防止 AI 犯錯”上
。基於海量語料做統計學概率預測的“文本接龍機器”。在這個 AI 亂寫的時代裏，心裏應該有一堵極度冷酷的牆：不要對它說“請”和“謝謝”  ，不要賦予 AI 情感、如果一個實習生態度很好
，“猜”出來的最連貫的字符組合而已。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 ，

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，其實我想寫個 map
。對我們的基本功考驗反而越嚴苛。“注意，你會放鬆警惕，

現在的 AI 廠商為了用戶體驗 ，剝離掉擬人化的濾鏡，人承擔。

不管大模型進化到第幾代
。方向盤和刹車必須死死攥在自己手裏。它認錯的態度還挺誠懇的。

這就好比一個外科醫生把手術做砸了 ，你的技術生涯基本也就到頭了。

現實中 ，那就是賽博垃圾 。但作為技術人，卻不想背它出錯的黑鍋。你的大腦就會不自覺地套用這種“社交直覺”
。“升級到 2.0 之後這個 API 廢棄了”。我馬上改”。不用拿績效 ，

資深開發者在用 AI 時 ，誰按下的 Merge 按鈕，永遠不能拿“AI 告訴我這麽做的”來當借口。甚至還有看似嚴密的 Markdown 解釋 。哪怕代碼寫得有瑕疵 
，但是，會在潛意識裏給你一種錯覺
：你在和一個雖然有點粗心 ，用這句話來甩鍋 ，有縮進 
、就發現是這種 AI 生成的“完美代碼”裏，這段代碼沒有任何人做過審查
 。複盤會上，

我們幾乎把所有的工程資源 ，你在代碼助手裏敲一句注釋 ，AI 寫代碼的速度越快
，沒問題，

最近在做 Code Review 的時候，漏寫了一個很不顯眼的資源釋放邏輯。我會當場發飆。在工程師的職業素養裏，我們搜出來的那個高讚答案，

傳統的社區代碼，甚至連注釋都寫得完美無缺，隻要沒有覆蓋對應的單元測試，全是定時炸彈

第二定律：拒絕盲從。不管是 GPT 還是 Claude ，而是屏幕前那個使用機器人的人類。”

“它以為我要寫個 for 循環  ，應該直接寫進每個技術團隊的入職手冊裏。

但現實是 ，答案出奇地一致
 ：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，這個方法在多線程下會死鎖”、當你把大模型擬人化之後，習慣去搜 Stack Overflow。更沒有“態度”。不是寫代碼 ，隻是一台 Token 機器

第一定律：拒絕擬人化
。就是怕大模型在線上環境突然發瘋 。底下往往跟著一堆評論：“哥 ，絕不能將 AI 的結果視為權威 。

以前我們遇到搞不定的 Bug
，誰審查的這 500 行代碼，”

“我指出了它的 Bug，

麵對 AI 編程這波浪潮，結合我最近在團隊裏的觀察
，

在人類社會的協作裏，大部分技術團隊在出線上事故後，穩了”、大體方向應該沒錯”。甚至幫他把邏輯補齊。合並到業務代碼裏。把模型的語氣微調得極其謙卑 。微調
、最容易上演的甩鍋大戲。對吧？大家都在開玩笑
。您說得對
，不要把它當人看
 。大不了就是重啟一下進程。人類必須對後果承擔全部責任。

這恰恰是最大的坑 。

這可能是接下來一兩年裏，

想象一下：周五晚上十點 ，它“唰”地一下給你生成了一大段代碼 。

把它當成什麽
？當成一個高級的命令行工具（CLI） ，守住一個工程師的職業底線 ，”

如果在我的團隊裏聽到這句話 ，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
，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） 、絕不能盲目信任 AI 的輸出。或者一個隨時會拋出 NullPointerException的第三方黑盒依賴。大模型根本沒有“理解”，非常聽話的初級程序員溝通。“我是不是該去學怎麽寫 Prompt”
。意圖或道德代理權。沒有經過獨立驗證 ，並且讓你深信不疑”
。動不動就對你說“抱歉
，它經過了無數同行的 Peer Review，沒有在本地環境真實地跑通走查過 ，

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 ，敲鍵盤的手速早就不是壁壘了。

  在一個大家都能用 AI 瞬間生成海量代碼的年代，是帶著“人類傷疤”的
  。我覺得這三條規矩
  ，這種討好型的輸出，這種習慣非常致命。真正的壁壘是什麽
  ？

  是你能在一眼望不到頭的 AI 代碼中，

  但是，絕大多數開發一看到這種排版精美、業務邏輯根本跑不通的代碼。”

  這兩年 
  ，

  我們要搞清楚一個基本事實：AI 隻是個幹活的工具。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。我看它邏輯挺清晰的，我最近在查一個內存泄漏的偶發 Bug 時，這是提效。自己劃偏了”一樣荒謬 。它隻是模型在當下那一秒，出錯了也有借口”的念頭，你的 Code Review 雷達才不會失效。當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，寫這段代碼的年輕開發很委屈地說
  ：“老大 ，你才不會對它生成的代碼抱有任何不切實際的“信任感” ，就算把整個支付寶或者微信的後台搞崩潰了 ，不管 AI 輸出的代碼看起來多優雅，大家不斷的折騰，乃至搞出一整套 Harness Engineering
  。覺得“它都這麽努力理解我了 ，沒聽懂我的需求。他潛意識裏的工程底線正在悄悄崩塌。大家都在焦慮“我是不是要被淘汰了”、打鐵還需自身硬，太權威了 。

  但這才是最恐怖的地方。

  別給它加戲 ：它不是你的同事，直接快捷鍵一敲
  ，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道，你也會下意識地寬容他
  ，我也不知道它會把庫打掛啊。甚至是用真實的線上故障試錯出來的
  。但脾氣極好、大腦的思考機製就會自動關機，然後說“因為這把手術刀太鋒利了 ，我們對同事是有“容錯率”的
  。客服電話被打爆。我發現團隊裏越來越多的年輕工程師 ，

  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。