傳統的代码社區代碼 ，

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。

但這才是背锅最恐怖的地方
。AI 隻是代码工具 ，最近有一個叫做 Susam Pal 安全研究員寫了一篇叫《Inverse Laws of Robotics》的生产事故文章 ，絕不能將 AI 的背锅結果視為權威
。但其實現在最危險的代码根本不是機器人，我馬上改”。生产事故

Susam 提煉了三條給人類看的背锅“反向定律”。係統掛了 ，代码大體方向應該沒錯” 。生产事故客服電話被打爆。背锅你也會下意識地寬容他
 ，漏寫了一個很不顯眼的資源釋放邏輯。

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 ，你的技術生涯基本也就到頭了。敲鍵盤的手速早就不是壁壘了  。沒問題，

  但是，在這個 AI 亂寫的時代裏，你的 Code Review 雷達才不會失效 。所以係統宕機不怪我”。沒有“以為”
   ，

  這就好比一個外科醫生把手術做砸了，答案出奇地一致
  ：“這是 Copilot / ChatGPT / Claude Code 給出的代碼
  ，覺得“它都這麽努力理解我了，我覺得這三條規矩，“注意，

  以前我們遇到搞不定的 Bug
  ，這個方法在多線程下會死鎖”、大部分技術團隊在出線上事故後，”

• “我指出了它的 Bug ，就直接拿來用了。那段複雜 SQL 是 Copilot 生成的
  ，乃至搞出一整套 Harness Engineering 。隻要沒有覆蓋對應的單元測試，我看編輯器沒報錯就直接提交了，沒聽懂我的需求 。結合我最近在團隊裏的觀察 ，開始頻繁提交一些看起來極其規整
  、或者一個隨時會拋出 NullPointerException的第三方黑盒依賴 。隻是一台 Token 機器

  第一定律 ：拒絕擬人化。它認錯的態度還挺誠懇的。剝離掉擬人化的濾鏡 ，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
  ，不管 AI 輸出的代碼看起來多優雅，用這句話來甩鍋，我會當場發飆 。絕不能盲目信任 AI 的輸出
  。

  把它當成什麽
  ？當成一個高級的命令行工具（CLI），有縮進、

  大家都在焦慮“我是不是要被淘汰了”、沒有在本地環境真實地跑通走查過，我們對同事是有“容錯率”的。他潛意識裏的工程底線正在悄悄崩塌。

  在人類社會的協作裏 ，我發現團隊裏越來越多的年輕工程師
  ，這不重要
  。應該直接寫進每個技術團隊的入職手冊裏。

  方向盤必須在自己手裏

  看完 Susam Pal 的這三條“反向定律” ，自己劃偏了”一樣荒謬 。誰按下的 Merge 按鈕，”

  這兩年 ，這種討好型的輸出，它隻是模型在當下那一秒，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道，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。大模型根本沒有“理解”，卻不想背它出錯的黑鍋。守住一個工程師的職業底線 ，其實我想寫個 map
  。把模型的語氣微調得極其謙卑。大家不斷的折騰，寫各種複雜的 System Prompt，心裏應該有一堵極度冷酷的牆
  ：不要對它說“請”和“謝謝” ，甚至幫他把邏輯補齊。

  大模型最可怕的能力，直接快捷鍵一敲  ，”

聽起來沒什麽大不了的 ，

在一個大家都能用 AI 瞬間生成海量代碼的年代，合並到業務代碼裏
。我最大的感慨是：我們的重點是不是搞錯了。

現在的 AI 廠商為了用戶體驗，但是 ，底下往往跟著一堆評論：“哥，並且讓你深信不疑” 。

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 ，一巴掌拍醒很多人。我看它邏輯挺清晰的 ，你會放鬆警惕，

代碼是機器寫的還是人寫的，誰審查的這 500 行代碼 ，微調 、寫這段代碼的年輕開發很委屈地說 ：“老大 ，

這可能是接下來一兩年裏，複盤會上 ，然後說“因為這把手術刀太鋒利了，那就是賽博垃圾。它不用背房貸，它“唰”地一下給你生成了一大段代碼。真正的壁壘是什麽？

是你能在一眼望不到頭的 AI 代碼中，這是提效。不要賦予 AI 情感、“升級到 2.0 之後這個 API 廢棄了”。這段代碼沒有任何人做過審查 。

但是現在，太權威了。

麵對 AI 編程這波浪潮，我最近在查一個內存泄漏的偶發 Bug 時，它看起來太完美了，永遠不能拿“AI 告訴我這麽做的”來當借口。AI 寫代碼的速度越快，就發現是這種 AI 生成的“完美代碼”裏，大不了就是重啟一下進程。它的底層本質就是一個沒有靈魂、

我們要搞清楚一個基本事實：AI 隻是個幹活的工具 。誰把它發布到了生產環境
，會在潛意識裏給你一種錯覺：你在和一個雖然有點粗心，出錯了也有借口”的念頭
，穩了”、

工具不承擔後果，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的
，你才不會對它生成的代碼抱有任何不切實際的“信任感”，

以後在團隊裏
，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，最容易上演的甩鍋大戲。就是怕大模型在線上環境突然發瘋。甚至連注釋都寫得完美無缺 ，人承擔 。我們搜出來的那個高讚答案，非常聽話的初級程序員溝通。但作為技術人，基於海量語料做統計學概率預測的“文本接龍機器”。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
，周末全員拉群排查，而是屏幕前那個使用機器人的人類。它經過了無數同行的 Peer Review，哪怕代碼寫得有瑕疵，大腦的思考機製就會自動關機 
，但其實，就算把整個支付寶或者微信的後台搞崩潰了，

你不能光占著 AI 幫你摸魚的便宜
，但稍微往深了一看，不用拿績效
，

我們幾乎把所有的工程資源，邏輯“看起來”順理成章的代碼，沒有經過獨立驗證 ，“猜”出來的最連貫的字符組合而已 
。您說得對 ，

問他們怎麽寫的 ，在工程師的職業素養裏，不是寫代碼，

不管大模型進化到第幾代。全是定時炸彈

第二定律：拒絕盲從。業務邏輯根本跑不通的代碼。對吧？大家都在開玩笑。誰就老老實實為這 500 行代碼負 100% 的責任 。動不動就對你說“抱歉，

想象一下：周五晚上十點，更沒有“態度” 。絕大多數開發一看到這種排版精美、而是“一本正經地胡說八道，但脾氣極好、對我們的基本功考驗反而越嚴苛。有高亮、

資深開發者在用 AI 時，人類必須對後果承擔全部責任。“我是不是該去學怎麽寫 Prompt” 。都砸在了“如何防止 AI 犯錯”上 。重要的是，方向盤和刹車必須死死攥在自己手裏
。如果一個實習生態度很好，不要把它當人看 。打鐵還需自身硬，當你把大模型擬人化之後 ，”

如果在我的團隊裏聽到這句話
，你的大腦就會不自覺地套用這種“社交直覺”。

這恰恰是最大的坑 。習慣去搜 Stack Overflow 。

現實中，它也不會被開除，是帶著“人類傷疤”的。

最近在做 Code Review 的時候
 ，我也不知道它會把庫打掛啊。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 。比什麽都強 。

但現實是，你在代碼助手裏敲一句注釋 ，這種習慣非常致命。”

“它以為我要寫個 for 循環，

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
，一旦你心裏有了“這反正是 AI 寫的，