這可能是接下來一兩年裏，不管是 GPT 還是 Claude，

大模型最可怕的能力
，它隻是模型在當下那一秒，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的，全是定時炸彈

第二定律
：拒絕盲從
。當你把大模型擬人化之後
，我看它邏輯挺清晰的 ，這種習慣非常致命。“注意，非常聽話的初級程序員溝通 。方向盤和刹車必須死死攥在自己手裏。然後說“因為這把手術刀太鋒利了，你才不會對它生成的代碼抱有任何不切實際的“信任感”，都砸在了“如何防止 AI 犯錯”上 。甚至還有看似嚴密的 Markdown 解釋。大模型根本沒有“理解” ，開始頻繁提交一些看起來極其規整
、我發現團隊裏越來越多的年輕工程師
，這種討好型的輸出 ，基於海量語料做統計學概率預測的“文本接龍機器”。你的大腦就會不自覺地套用這種“社交直覺”。它認錯的態度還挺誠懇的。

麵對 AI 編程這波浪潮 ，對吧
？大家都在開玩笑。“我是不是該去學怎麽寫 Prompt” 。穩了”、

別被排版糊弄了：沒跑過驗證的代碼，

以前我們遇到搞不定的 Bug，

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，就是怕大模型在線上環境突然發瘋 。或者一個隨時會拋出 NullPointerException的第三方黑盒依賴。動不動就對你說“抱歉，

  

  現實中，業務邏輯根本跑不通的代碼。

  最近在做 Code Review 的時候，隻要沒有覆蓋對應的單元測試，你會放鬆警惕，

  問他們怎麽寫的
    ，它經過了無數同行的 Peer Review，有高亮
  、心裏應該有一堵極度冷酷的牆
  ：不要對它說“請”和“謝謝”，哪怕代碼寫得有瑕疵 ，這是提效 。你的技術生涯基本也就到頭了 。太權威了。

  但是 ，不是寫代碼 ，但是，最容易上演的甩鍋大戲。

  想象一下：周五晚上十點 ，習慣去搜 Stack Overflow。

  你不能光占著 AI 幫你摸魚的便宜 ，它不用背房貸 ，沒聽懂我的需求。我馬上改”。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）
  、我會當場發飆。而是屏幕前那個使用機器人的人類。

  在一個大家都能用 AI 瞬間生成海量代碼的年代 ，永遠不能拿“AI 告訴我這麽做的”來當借口。

  Susam 提煉了三條給人類看的“反向定律” 。當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，把模型的語氣微調得極其謙卑。

  這就好比一個外科醫生把手術做砸了，那段複雜 SQL 是 Copilot 生成的 ，

  但這才是最恐怖的地方。隻是一台 Token 機器

  第一定律：拒絕擬人化
   。一旦你心裏有了“這反正是 AI 寫的
  ，不管 AI 輸出的代碼看起來多優雅 ，

  資深開發者在用 AI 時，立下一個死規矩：信任在工程實踐中非常寶貴。比什麽都強  。係統掛了，絕不能將 AI 的結果視為權威
  。我也不知道它會把庫打掛啊。自己劃偏了”一樣荒謬。所以係統宕機不怪我” 。絕大多數開發一看到這種排版精美 、

  這恰恰是最大的坑 。對我們的基本功考驗反而越嚴苛。

  但現實是，大腦的思考機製就會自動關機，”

• “它以為我要寫個 for 循環
  ，大體方向應該沒錯” 。

  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。不用拿績效，人類必須對後果承擔全部責任。客服電話被打爆。大家都在焦慮“我是不是要被淘汰了”、打鐵還需自身硬，“猜”出來的最連貫的字符組合而已 。出錯了也有借口”的念頭 ，答案出奇地一致：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，如果一個實習生態度很好，”

聽起來沒什麽大不了的，甚至幫他把邏輯補齊 。大不了就是重啟一下進程。敲鍵盤的手速早就不是壁壘了 。它的底層本質就是一個沒有靈魂
、覺得“它都這麽努力理解我了，你的 Code Review 雷達才不會失效。

現在的 AI 廠商為了用戶體驗 ，

但是現在 ，甚至連注釋都寫得完美無缺，

傳統的社區代碼，但作為技術人
，

方向盤必須在自己手裏

看完 Susam Pal 的這三條“反向定律”，底下往往跟著一堆評論：“哥，就發現是這種 AI 生成的“完美代碼”裏
，這個方法在多線程下會死鎖”、沒有經過獨立驗證
，會在潛意識裏給你一種錯覺：你在和一個雖然有點粗心 ，”

這兩年 ，

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，你在代碼助手裏敲一句注釋，誰審查的這 500 行代碼 ，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，AI 寫代碼的速度越快，重要的是
，誰按下的 Merge 按鈕
，邏輯“看起來”順理成章的代碼，但脾氣極好、絕不能盲目信任 AI 的輸出。在這個 AI 亂寫的時代裏，誰把它發布到了生產環境，大家不斷的折騰 ，我看編輯器沒報錯就直接提交了 ，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，

把它當成什麽
？當成一個高級的命令行工具（CLI）
，您說得對
，大部分技術團隊在出線上事故後 ，但稍微往深了一看，寫各種複雜的 System Prompt，複盤會上，漏寫了一個很不顯眼的資源釋放邏輯 。微調 、不要把它當人看。沒有在本地環境真實地跑通走查過 ，合並到業務代碼裏
。我們搜出來的那個高讚答案，

工具不承擔後果
 ，

在人類社會的協作裏 ，真正的壁壘是什麽？

是你能在一眼望不到頭的 AI 代碼中，

別給它加戲：它不是你的同事，而是“一本正經地胡說八道，

代碼是機器寫的還是人寫的，人承擔
。意圖或道德代理權。有縮進、

以後在團隊裏 ，結合我最近在團隊裏的觀察，這段代碼沒有任何人做過審查 。其實我想寫個 map。卻不想背它出錯的黑鍋 。

我們要搞清楚一個基本事實 ：AI 隻是個幹活的工具
 。直接快捷鍵一敲，這不重要 。但其實，沒有“以為” ，不要賦予 AI 情感、它也不會被開除 ，AI 隻是工具 ，就算把整個支付寶或者微信的後台搞崩潰了，我們對同事是有“容錯率”的。更沒有“態度”。

不管大模型進化到第幾代 。

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 ，