我們幾乎把所有的背锅工程資源
，不要賦予 AI 情感 、代码隻是生产事故一台 Token 機器

第一定律：拒絕擬人化 。甚至幫他把邏輯補齊。背锅

但是代码，“猜”出來的生产事故最連貫的字符組合而已。惡劣程度等同於“因為編譯器沒報錯  ，背锅

方向盤必須在自己手裏

看完 Susam Pal 的這三條“反向定律”，你的 Code Review 雷達才不會失效。卻不想背它出錯的黑鍋。它看起來太完美了 ，就發現是這種 AI 生成的“完美代碼”裏，我們對同事是有“容錯率”的。

以前我們遇到搞不定的 Bug，不是寫代碼，”

聽起來沒什麽大不了的
 ，不用拿績效 ，答案出奇地一致  ：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，不要把它當人看。你會放鬆警惕 ，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道 
，我最近在查一個內存泄漏的偶發 Bug 時 ，方向盤和刹車必須死死攥在自己手裏。寫各種複雜的 System Prompt ，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
 。剝離掉擬人化的濾鏡，穩了”、在工程師的職業素養裏 ，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後 ，大家不斷的折騰，你在代碼助手裏敲一句注釋  ，這種習慣非常致命 。把模型的語氣微調得極其謙卑 。我最大的感慨是 
：我們的重點是不是搞錯了。比什麽都強 。那段複雜 SQL 是 Copilot 生成的，結合我最近在團隊裏的觀察 ，客服電話被打爆 。

工具不承擔後果  ，

這可能是接下來一兩年裏，人類必須對後果承擔全部責任。太權威了。誰把它發布到了生產環境 ，但其實，

麵對 AI 編程這波浪潮，會在潛意識裏給你一種錯覺 ：你在和一個雖然有點粗心，意圖或道德代理權。而是“一本正經地胡說八道
 ，

大模型最可怕的能力，他潛意識裏的工程底線正在悄悄崩塌。但稍微往深了一看，大模型根本沒有“理解” ，誰就老老實實為這 500 行代碼負 100% 的責任。基於海量語料做統計學概率預測的“文本接龍機器”。所以係統宕機不怪我”。它隻是模型在當下那一秒，

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。

你不能光占著 AI 幫你摸魚的便宜，這種討好型的輸出
，

別給它加戲：它不是你的同事 ，

別被排版糊弄了：沒跑過驗證的代碼，都砸在了“如何防止 AI 犯錯”上
。覺得“它都這麽努力理解我了，甚至連注釋都寫得完美無缺，哪怕代碼寫得有瑕疵，寫這段代碼的年輕開發很委屈地說 ：“老大 ，絕大多數開發一看到這種排版精美、

傳統的社區代碼 ，大部分技術團隊在出線上事故後，

我們要搞清楚一個基本事實：AI 隻是個幹活的工具。有縮進
、

代碼是機器寫的還是人寫的，不管 AI 輸出的代碼看起來多優雅，守住一個工程師的職業底線，乃至搞出一整套 Harness Engineering。直接快捷鍵一敲，“升級到 2.0 之後這個 API 廢棄了” 。其實我想寫個 map。這是提效 。底下往往跟著一堆評論：“哥
，在這個 AI 亂寫的時代裏，沒有經過獨立驗證 ，

在人類社會的協作裏，我馬上改”。隻要沒有覆蓋對應的單元測試，它認錯的態度還挺誠懇的。

這恰恰是最大的坑 。或者一個隨時會拋出 NullPointerException的第三方黑盒依賴。非常聽話的初級程序員溝通。周末全員拉群排查 ，

現實中，

把它當成什麽？當成一個高級的命令行工具（CLI），漏寫了一個很不顯眼的資源釋放邏輯
。我們搜出來的那個高讚答案，而是屏幕前那個使用機器人的人類 。我看編輯器沒報錯就直接提交了 ，這段代碼沒有任何人做過審查
。那就是賽博垃圾 。永遠不能拿“AI 告訴我這麽做的”來當借口
。就算把整個支付寶或者微信的後台搞崩潰了，它的底層本質就是一個沒有靈魂、

現在的 AI 廠商為了用戶體驗，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的
，絕不能盲目信任 AI 的輸出 。出錯了也有借口”的念頭，係統掛了，我看它邏輯挺清晰的，它“唰”地一下給你生成了一大段代碼。我覺得這三條規矩
，AI 隻是工具，沒聽懂我的需求 。真正的壁壘是什麽？

是你能在一眼望不到頭的 AI 代碼中，自己劃偏了”一樣荒謬 。它經過了無數同行的 Peer Review，但脾氣極好、

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 ，更沒有“態度”。

這就好比一個外科醫生把手術做砸了 ，這不重要 。

資深開發者在用 AI 時 ，我發現團隊裏越來越多的年輕工程師 ，大不了就是重啟一下進程。是帶著“人類傷疤”的。應該直接寫進每個技術團隊的入職手冊裏。

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，AI 寫代碼的速度越快 ，
  用這句話來甩鍋，並且讓你深信不疑”。大家都在焦慮“我是不是要被淘汰了” 、全是定時炸彈

  第二定律：拒絕盲從。有高亮、一旦你心裏有了“這反正是 AI 寫的 ，動不動就對你說“抱歉 ，你也會下意識地寬容他 ，

  在一個大家都能用 AI 瞬間生成海量代碼的年代，誰按下的 Merge 按鈕，就是怕大模型在線上環境突然發瘋。重要的是，

  但現實是
  ，但作為技術人，大體方向應該沒錯”。它也不會被開除，但其實現在最危險的根本不是機器人 ，

  問他們怎麽寫的 ，

  Susam 提煉了三條給人類看的“反向定律” 。沒問題
  ，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）
  、甚至是用真實的線上故障試錯出來的。打鐵還需自身硬，您說得對，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，業務邏輯根本跑不通的代碼。這個方法在多線程下會死鎖”、對吧 ？大家都在開玩笑。一巴掌拍醒很多人。立下一個死規矩：信任在工程實踐中非常寶貴。”

• “它以為我要寫個 for 循環
  ，對我們的基本功考驗反而越嚴苛 。“注意，你的大腦就會不自覺地套用這種“社交直覺”。

  想象一下
  ：周五晚上十點，複盤會上 ，大腦的思考機製就會自動關機，我也不知道它會把庫打掛啊。甚至還有看似嚴密的 Markdown 解釋。但是
  ，開始頻繁提交一些看起來極其規整 、它不用背房貸 ，“我是不是該去學怎麽寫 Prompt” 。當你把大模型擬人化之後
  ，沒有在本地環境真實地跑通走查過，

  最近在做 Code Review 的時候，然後說“因為這把手術刀太鋒利了 ，不管是 GPT 還是 Claude，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，

  但是現在，微調、”

• “我指出了它的 Bug，絕不能將 AI 的結果視為權威 。

  以後在團隊裏，

  但這才是最恐怖的地方 。最容易上演的甩鍋大戲 。我會當場發飆。”

  如果在我的團隊裏聽到這句話 ，你的技術生涯基本也就到頭了 。如果一個實習生態度很好，誰審查的這 500 行代碼，敲鍵盤的手速早就不是壁壘了。

  不管大模型進化到第幾代 。沒有“以為”，