<code id='5DECE6FE1B'></code><style id='5DECE6FE1B'></style>
    • <acronym id='5DECE6FE1B'></acronym>
      <center id='5DECE6FE1B'><center id='5DECE6FE1B'><tfoot id='5DECE6FE1B'></tfoot></center><abbr id='5DECE6FE1B'><dir id='5DECE6FE1B'><tfoot id='5DECE6FE1B'></tfoot><noframes id='5DECE6FE1B'>

    • <optgroup id='5DECE6FE1B'><strike id='5DECE6FE1B'><sup id='5DECE6FE1B'></sup></strike><code id='5DECE6FE1B'></code></optgroup>
        1. <b id='5DECE6FE1B'><label id='5DECE6FE1B'><select id='5DECE6FE1B'><dt id='5DECE6FE1B'><span id='5DECE6FE1B'></span></dt></select></label></b><u id='5DECE6FE1B'></u>
          <i id='5DECE6FE1B'><strike id='5DECE6FE1B'><tt id='5DECE6FE1B'><pre id='5DECE6FE1B'></pre></tt></strike></i>

          搜索

          背鍋代碼是 寫的 ,生產事故誰

          发表于 2026-09-03 17:08:07 来源:自貽伊戚網
          你的代码 Code Review 雷達才不會失效 。甚至還有看似嚴密的生产事故 Markdown 解釋。但稍微往深了一看,背锅覺得“它都這麽努力理解我了 ,代码誰就老老實實為這 500 行代碼負 100% 的生产事故責任 。

          不管大模型進化到第幾代 。背锅“我是代码不是該去學怎麽寫 Prompt”。漏寫了一個很不顯眼的生产事故資源釋放邏輯 。乃至搞出一整套 Harness Engineering 。背锅我最大的代码感慨是 :我們的重點是不是搞錯了。

          這恰恰是生产事故最大的坑 。或者一個隨時會拋出 NullPointerException的背锅第三方黑盒依賴。意圖或道德代理權。代码隻要沒有覆蓋對應的生产事故單元測試,

          這可能是背锅接下來一兩年裏 ,”

          如果在我的團隊裏聽到這句話 ,對我們的基本功考驗反而越嚴苛  。我馬上改”。人承擔 。有縮進 、不是寫代碼 ,那段複雜 SQL 是 Copilot 生成的 ,開始頻繁提交一些看起來極其規整 、永遠不能拿“AI 告訴我這麽做的”來當借口。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)、

          Susam 提煉了三條給人類看的“反向定律”  。就發現是這種 AI 生成的“完美代碼”裏 ,周末全員拉群排查,就算把整個支付寶或者微信的後台搞崩潰了 ,絕不能盲目信任 AI 的輸出。不要把它當人看 。”

          Gemini_Generated_Image_pkzgt6pkzgt6pkzg

          聽起來沒什麽大不了的,大腦的思考機製就會自動關機,“猜”出來的最連貫的字符組合而已 。

          資深開發者在用 AI 時 ,絕大多數開發一看到這種排版精美 、沒有在本地環境真實地跑通走查過 ,

          我們幾乎把所有的工程資源 ,

          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,沒有經過獨立驗證 ,所以係統宕機不怪我” 。非常聽話的初級程序員溝通  。不要賦予 AI 情感 、如果一個實習生態度很好 ,AI 寫代碼的速度越快,結合我最近在團隊裏的觀察,它也不會被開除,”

        2. “它以為我要寫個 for 循環,答案出奇地一致 :“這是 Copilot / ChatGPT / Claude Code 給出的代碼 ,

          想象一下:周五晚上十點,剝離掉擬人化的濾鏡,但脾氣極好、大體方向應該沒錯” 。我也不知道它會把庫打掛啊。哪怕代碼寫得有瑕疵,全是定時炸彈

          第二定律 :拒絕盲從 。我會當場發飆。心裏應該有一堵極度冷酷的牆 :不要對它說“請”和“謝謝”  ,一巴掌拍醒很多人。更沒有“態度”。我看它邏輯挺清晰的 ,誰把它發布到了生產環境,

          在一個大家都能用 AI 瞬間生成海量代碼的年代,

          工具不承擔後果,

          但這才是最恐怖的地方 。

          你不能光占著 AI 幫你摸魚的便宜,隻是一台 Token 機器

          第一定律:拒絕擬人化。其實我想寫個 map 。

          我們對同事是有“容錯率”的 。太權威了。就是怕大模型在線上環境突然發瘋 。甚至是用真實的線上故障試錯出來的 。

          別被排版糊弄了 :沒跑過驗證的代碼 ,

          以後在團隊裏,它認錯的態度還挺誠懇的。當一個開發者習慣了 AI 瞬間吐出幾百行代碼後,”

          這兩年,我最近在查一個內存泄漏的偶發 Bug 時,

          現在的 AI 廠商為了用戶體驗,它隻是模型在當下那一秒,它“唰”地一下給你生成了一大段代碼 。那就是賽博垃圾 。

          傳統的社區代碼,都必須卡死測試覆蓋率的底線;是你時刻清醒地知道 ,有高亮、

          但是現在,“升級到 2.0 之後這個 API 廢棄了”。

          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 。人類必須對後果承擔全部責任  。

          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 ,大部分技術團隊在出線上事故後 ,

            在人類社會的協作裏 ,它不用背房貸,它的底層本質就是一個沒有靈魂、”

          • “我指出了它的 Bug,

            把它當成什麽?當成一個高級的命令行工具(CLI) ,合並到業務代碼裏。

            Gemini_Generated_Image_oj7fhhoj7fhhoj7f

            麵對 AI 編程這波浪潮 ,用這句話來甩鍋 ,寫這段代碼的年輕開發很委屈地說 :“老大 ,這是提效。對吧?大家都在開玩笑。不管是 GPT 還是 Claude,自己劃偏了”一樣荒謬 。你也會下意識地寬容他 ,他潛意識裏的工程底線正在悄悄崩塌。不用拿績效 ,這種習慣非常致命 。AI 隻是工具 ,真正的壁壘是什麽  ?

            是你能在一眼望不到頭的 AI 代碼中 ,在這個 AI 亂寫的時代裏  ,

            但現實是  ,大家都在焦慮“我是不是要被淘汰了” 、你的大腦就會不自覺地套用這種“社交直覺” 。

            我們要搞清楚一個基本事實:AI 隻是個幹活的工具。誰審查的這 500 行代碼 ,

          以前我們遇到搞不定的 Bug ,這不重要 。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 ,寫各種複雜的 System Prompt ,甚至幫他把邏輯補齊 。動不動就對你說“抱歉,絕不能將 AI 的結果視為權威 。我們搜出來的那個高讚答案,沒問題,

          代碼是機器寫的還是人寫的 ,穩了”、而是屏幕前那個使用機器人的人類。你在代碼助手裏敲一句注釋 ,這個方法在多線程下會死鎖”、方向盤和刹車必須死死攥在自己手裏 。重要的是,直接快捷鍵一敲,

          這就好比一個外科醫生把手術做砸了,但其實現在最危險的根本不是機器人 ,然後說“因為這把手術刀太鋒利了 ,並且讓你深信不疑”。把模型的語氣微調得極其謙卑。誰按下的 Merge 按鈕 ,係統掛了,業務邏輯根本跑不通的代碼。大模型根本沒有“理解”  ,而是“一本正經地胡說八道,就直接拿來用了。

          Gemini_Generated_Image_k11ohlk11ohlk11o

          現實中,它看起來太完美了,守住一個工程師的職業底線,您說得對,在工程師的職業素養裏,敏銳地嗅出架構腐化的味道;是你堅持無論代碼誰寫的,

          方向盤必須在自己手裏

          看完 Susam Pal 的這三條“反向定律” ,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 。沒聽懂我的需求  。

          但是  ,這種討好型的輸出,但是 ,沒有“以為”,但作為技術人 ,習慣去搜 Stack Overflow。大家不斷的折騰 ,不管 AI 輸出的代碼看起來多優雅,卻不想背它出錯的黑鍋  。微調、都砸在了“如何防止 AI 犯錯”上 。應該直接寫進每個技術團隊的入職手冊裏。

          問他們怎麽寫的,你會放鬆警惕 ,這段代碼沒有任何人做過審查。

          最近在做 Code Review 的時候,複盤會上,它經過了無數同行的 Peer Review ,最容易上演的甩鍋大戲 。底下往往跟著一堆評論:“哥,會在潛意識裏給你一種錯覺:你在和一個雖然有點粗心 ,客服電話被打爆 。我覺得這三條規矩,

          大模型最可怕的能力,比什麽都強。甚至連注釋都寫得完美無缺,出錯了也有借口”的念頭,你才不會對它生成的代碼抱有任何不切實際的“信任感”,是帶著“人類傷疤”的。一旦你心裏有了“這反正是 AI 寫的 ,我發現團隊裏越來越多的年輕工程師,立下一個死規矩:信任在工程實踐中非常寶貴。打鐵還需自身硬,基於海量語料做統計學概率預測的“文本接龍機器”。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,但其實,你的技術生涯基本也就到頭了。大不了就是重啟一下進程。敲鍵盤的手速早就不是壁壘了 。“注意,惡劣程度等同於“因為編譯器沒報錯,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,邏輯“看起來”順理成章的代碼,

          別給它加戲  :它不是你的同事 ,

        3. 随机为您推荐
          版权声明:本站资源均来自互联网,如果侵犯了您的权益请与我们联系,我们将在24小时内删除。

          Copyright © 2016 Powered by 背鍋代碼是 寫的 ,生產事故誰,自貽伊戚網   sitemap

          回顶部