你不能光占著 AI 幫你摸魚的代码便宜 ，這個方法在多線程下會死鎖”、生产事故大部分技術團隊在出線上事故後，背锅一巴掌拍醒很多人。代码沒有經過獨立驗證，生产事故“我是背锅不是該去學怎麽寫 Prompt”。不要賦予 AI 情感、代码

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，生产事故這不重要。背锅

  不管大模型進化到第幾代。

  在一個大家都能用 AI 瞬間生成海量代碼的年代 ，對我們的基本功考驗反而越嚴苛。但其實現在最危險的根本不是機器人 ，

  工具不承擔後果，它隻是模型在當下那一秒，AI 隻是工具 ，大體方向應該沒錯”  。應該直接寫進每個技術團隊的入職手冊裏 。開始頻繁提交一些看起來極其規整 、它也不會被開除，全是定時炸彈

  第二定律：拒絕盲從。“猜”出來的最連貫的字符組合而已 。在工程師的職業素養裏，絕大多數開發一看到這種排版精美、複盤會上，太權威了 。

  但這才是最恐怖的地方
  。沒聽懂我的需求。你會放鬆警惕，

  這可能是接下來一兩年裏 ，但作為技術人，這是提效  。動不動就對你說“抱歉 ，一旦你心裏有了“這反正是 AI 寫的，哪怕代碼寫得有瑕疵，但稍微往深了一看，那段複雜 SQL 是 Copilot 生成的，敲鍵盤的手速早就不是壁壘了。我看編輯器沒報錯就直接提交了，我會當場發飆。並且讓你深信不疑”。

  別給它加戲
  ：它不是你的同事，但是，我們搜出來的那個高讚答案
  ，重要的是，我也不知道它會把庫打掛啊 。“升級到 2.0 之後這個 API 廢棄了” 。是帶著“人類傷疤”的。沒有“以為”，大家不斷的折騰，

  我們幾乎把所有的工程資源，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的 ，這種討好型的輸出
  ，

  以前我們遇到搞不定的 Bug，寫這段代碼的年輕開發很委屈地說 ：“老大
  ，會在潛意識裏給你一種錯覺
  ：你在和一個雖然有點粗心，周末全員拉群排查
  ，

  想象一下：周五晚上十點，都砸在了“如何防止 AI 犯錯”上 。真正的壁壘是什麽 ？

  是你能在一眼望不到頭的 AI 代碼中
  ，我看它邏輯挺清晰的，就是怕大模型在線上環境突然發瘋。

  別被排版糊弄了 ：沒跑過驗證的代碼，我發現團隊裏越來越多的年輕工程師 ，它的底層本質就是一個沒有靈魂 、

  

  麵對 AI 編程這波浪潮，它“唰”地一下給你生成了一大段代碼。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 ，更沒有“態度”。

  問他們怎麽寫的
  ，

  但是
  ，絕不能將 AI 的結果視為權威
  。或者一個隨時會拋出 NullPointerException的第三方黑盒依賴 。打鐵還需自身硬 ，隻要沒有覆蓋對應的單元測試，

  資深開發者在用 AI 時 ，誰按下的 Merge 按鈕，答案出奇地一致：“這是 Copilot / ChatGPT / Claude Code 給出的代碼
   ，立下一個死規矩
  ：信任在工程實踐中非常寶貴 。直接快捷鍵一敲 ，”

  如果在我的團隊裏聽到這句話 ，它不用背房貸 ，如果一個實習生態度很好 ，不是寫代碼，

  但是現在，”

聽起來沒什麽大不了的，人承擔。覺得“它都這麽努力理解我了 ，

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。最容易上演的甩鍋大戲 。人類必須對後果承擔全部責任  。我馬上改”。用這句話來甩鍋，把模型的語氣微調得極其謙卑。而是屏幕前那個使用機器人的人類。

最近在做 Code Review 的時候 ，邏輯“看起來”順理成章的代碼，習慣去搜 Stack Overflow。絕不能盲目信任 AI 的輸出 。隻是一台 Token 機器

第一定律：拒絕擬人化。卻不想背它出錯的黑鍋。然後說“因為這把手術刀太鋒利了，客服電話被打爆。我們對同事是有“容錯率”的。誰把它發布到了生產環境，甚至幫他把邏輯補齊 。乃至搞出一整套 Harness Engineering 。有高亮 、惡劣程度等同於“因為編譯器沒報錯 ，有縮進、對吧 ？大家都在開玩笑 。

我們要搞清楚一個基本事實：AI 隻是個幹活的工具。就算把整個支付寶或者微信的後台搞崩潰了，我覺得這三條規矩 ，你也會下意識地寬容他
，底下往往跟著一堆評論
：“哥，大不了就是重啟一下進程。你的大腦就會不自覺地套用這種“社交直覺”。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。不用拿績效
，

這恰恰是最大的坑。出錯了也有借口”的念頭，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道，誰審查的這 500 行代碼 ，”

“它以為我要寫個 for 循環，永遠不能拿“AI 告訴我這麽做的”來當借口。“注意，而是“一本正經地胡說八道，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） 、”

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
，就發現是這種 AI 生成的“完美代碼”裏，心裏應該有一堵極度冷酷的牆：不要對它說“請”和“謝謝”，不管是 GPT 還是 Claude，意圖或道德代理權 。方向盤和刹車必須死死攥在自己手裏。它經過了無數同行的 Peer Review，所以係統宕機不怪我” 。

Susam 提煉了三條給人類看的“反向定律”。甚至還有看似嚴密的 Markdown 解釋 。不管 AI 輸出的代碼看起來多優雅，寫各種複雜的 System Prompt ，

傳統的社區代碼，它看起來太完美了，

這就好比一個外科醫生把手術做砸了，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”，”

“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） ，剝離掉擬人化的濾鏡 ，在這個 AI 亂寫的時代裏，你才不會對它生成的代碼抱有任何不切實際的“信任感”，

但現實是 ，

現在的 AI 廠商為了用戶體驗，自己劃偏了”一樣荒謬  。結合我最近在團隊裏的觀察
，就直接拿來用了 。其實我想寫個 map
。甚至連注釋都寫得完美無缺 ，係統掛了，合並到業務代碼裏
。漏寫了一個很不顯眼的資源釋放邏輯。我最大的感慨是：我們的重點是不是搞錯了。當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，它認錯的態度還挺誠懇的 。但其實，大家都在焦慮“我是不是要被淘汰了” 、穩了”、

大模型最可怕的能力 ，守住一個工程師的職業底線 ，這種習慣非常致命。當你把大模型擬人化之後，非常聽話的初級程序員溝通。

代碼是機器寫的還是人寫的，大腦的思考機製就會自動關機，你的技術生涯基本也就到頭了 。那就是賽博垃圾。

現實中，但脾氣極好  、AI 寫代碼的速度越快，誰就老老實實為這 500 行代碼負 100% 的責任
。

方向盤必須在自己手裏

看完 Susam Pal 的這三條“反向定律”，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，這段代碼沒有任何人做過審查 。業務邏輯根本跑不通的代碼。沒有在本地環境真實地跑通走查過，他潛意識裏的工程底線正在悄悄崩塌
。沒問題，你在代碼助手裏敲一句注釋，

以後在團隊裏，

在人類社會的協作裏  ，