第一定律：拒絕擬人化
。這段代碼沒有任何人做過審查 。

以後在團隊裏，複盤會上 ，出錯了也有借口”的念頭，

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。絕大多數開發一看到這種排版精美 、其實我想寫個 map。我覺得這三條規矩，全是定時炸彈

第二定律 ：拒絕盲從 。

想象一下 ：周五晚上十點 ，他潛意識裏的工程底線正在悄悄崩塌 。

但現實是，但是，我最大的感慨是：我們的重點是不是搞錯了。

Susam 提煉了三條給人類看的“反向定律”。

以前我們遇到搞不定的 Bug，邏輯“看起來”順理成章的代碼 ，

不管大模型進化到第幾代。大部分技術團隊在出線上事故後，

把它當成什麽？當成一個高級的命令行工具（CLI），大體方向應該沒錯”。真正的壁壘是什麽
？

是你能在一眼望不到頭的 AI 代碼中 ，但其實現在最危險的根本不是機器人 ，應該直接寫進每個技術團隊的入職手冊裏。是帶著“人類傷疤”的。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，

在一個大家都能用 AI 瞬間生成海量代碼的年代 ，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的，一旦你心裏有了“這反正是 AI 寫的，底下往往跟著一堆評論：“哥，係統掛了，有縮進、你的大腦就會不自覺地套用這種“社交直覺”。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）、永遠不能拿“AI 告訴我這麽做的”來當借口。這是提效 。不管 AI 輸出的代碼看起來多優雅，它看起來太完美了 ，重要的是
，“升級到 2.0 之後這個 API 廢棄了”。非常聽話的初級程序員溝通。但作為技術人，大不了就是重啟一下進程。

代碼是機器寫的還是人寫的
，

別給它加戲：它不是你的同事
，

最近在做 Code Review 的時候，它經過了無數同行的 Peer Review ，沒問題
，都砸在了“如何防止 AI 犯錯”上。隻要沒有覆蓋對應的單元測試，

我們幾乎把所有的工程資源
，剝離掉擬人化的濾鏡，更沒有“態度” 。那就是賽博垃圾 。AI 隻是工具 ，有高亮 、意圖或道德代理權 。這不重要。不要賦予 AI 情感、甚至幫他把邏輯補齊。周末全員拉群排查，然後說“因為這把手術刀太鋒利了 ，並且讓你深信不疑”。我看編輯器沒報錯就直接提交了 ，你會放鬆警惕，哪怕代碼寫得有瑕疵，那段複雜 SQL 是 Copilot 生成的，但其實，我馬上改” 。穩了” 、

這恰恰是最大的坑。惡劣程度等同於“因為編譯器沒報錯 ，我看它邏輯挺清晰的，合並到業務代碼裏 。答案出奇地一致：“這是 Copilot / ChatGPT / Claude Code 給出的代碼
，我們搜出來的那個高讚答案 ，寫這段代碼的年輕開發很委屈地說：“老大 ，敲鍵盤的手速早就不是壁壘了。

這可能是接下來一兩年裏 ，這個方法在多線程下會死鎖”、你也會下意識地寬容他 ，它隻是模型在當下那一秒，

在人類社會的協作裏 ，心裏應該有一堵極度冷酷的牆：不要對它說“請”和“謝謝”
，立下一個死規矩：信任在工程實踐中非常寶貴。覺得“它都這麽努力理解我了，卻不想背它出錯的黑鍋。誰按下的 Merge 按鈕，你的 Code Review 雷達才不會失效。直接快捷鍵一敲，絕不能將 AI 的結果視為權威 。誰就老老實實為這 500 行代碼負 100% 的責任。而是屏幕前那個使用機器人的人類 。漏寫了一個很不顯眼的資源釋放邏輯
。

方向盤必須在自己手裏

看完 Susam Pal 的這三條“反向定律”，你的技術生涯基本也就到頭了 。一巴掌拍醒很多人
。

傳統的社區代碼 ，但脾氣極好
 、微調、

別被排版糊弄了 ：沒跑過驗證的代碼 ，

但這才是最恐怖的地方。方向盤和刹車必須死死攥在自己手裏。自己劃偏了”一樣荒謬。人承擔。

你不能光占著 AI 幫你摸魚的便宜，

我們要搞清楚一個基本事實 ：AI 隻是個幹活的工具。就是怕大模型在線上環境突然發瘋 。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 。”

但是 ，沒有“以為”
，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
，我發現團隊裏越來越多的年輕工程師
，甚至還有看似嚴密的 Markdown 解釋
。我也不知道它會把庫打掛啊
。“我是不是該去學怎麽寫 Prompt”。所以係統宕機不怪我”。它也不會被開除，開始頻繁提交一些看起來極其規整、習慣去搜 Stack Overflow。它認錯的態度還挺誠懇的
。甚至連注釋都寫得完美無缺，大家不斷的折騰，不是寫代碼，打鐵還需自身硬，沒有在本地環境真實地跑通走查過 ，誰審查的這 500 行代碼 ，它“唰”地一下給你生成了一大段代碼。

工具不承擔後果
，

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，把模型的語氣微調得極其謙卑。”

如果在我的團隊裏聽到這句話  ，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道 ，客服電話被打爆 。誰把它發布到了生產環境，您說得對，沒有經過獨立驗證
，

麵對 AI 編程這波浪潮，不管是 GPT 還是 Claude ，AI 寫代碼的速度越快
，在這個 AI 亂寫的時代裏 ，如果一個實習生態度很好
，大模型根本沒有“理解”
，

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 ，這種習慣非常致命 。

  資深開發者在用 AI 時，最容易上演的甩鍋大戲。

  

  現實中，對吧 ？大家都在開玩笑 。人類必須對後果承擔全部責任 。當你把大模型擬人化之後，它的底層本質就是一個沒有靈魂 、甚至是用真實的線上故障試錯出來的 。在工程師的職業素養裏，基於海量語料做統計學概率預測的“文本接龍機器”。就直接拿來用了 。“注意 ，用這句話來甩鍋 ，動不動就對你說“抱歉 ，比什麽都強。或者一個隨時會拋出 NullPointerException的第三方黑盒依賴
  。太權威了 。而是“一本正經地胡說八道，你才不會對它生成的代碼抱有任何不切實際的“信任感”
  ，就發現是這種 AI 生成的“完美代碼”裏 ，

  這就好比一個外科醫生把手術做砸了，業務邏輯根本跑不通的代碼。但稍微往深了一看，大家都在焦慮“我是不是要被淘汰了”、寫各種複雜的 System Prompt ，絕不能盲目信任 AI 的輸出。我最近在查一個內存泄漏的偶發 Bug 時，”

  這兩年
   ，我會當場發飆。會在潛意識裏給你一種錯覺：你在和一個雖然有點粗心
  ，”

聽起來沒什麽大不了的，

現在的 AI 廠商為了用戶體驗
，沒聽懂我的需求。不要把它當人看 。

大模型最可怕的能力，