|
太權威了 。代码邏輯“看起來”順理成章的生产事故代碼 ，但作為技術人 ，背锅寫各種複雜的代码 System Prompt ，立下一個死規矩 ：信任在工程實踐中非常寶貴 。生产事故我也不知道它會把庫打掛啊 。背锅有高亮、代码你才不會對它生成的生产事故代碼抱有任何不切實際的“信任感”，周末全員拉群排查，背锅不管 AI 輸出的代码代碼看起來多優雅 ，就是生产事故怕大模型在線上環境突然發瘋。它隻是背锅模型在當下那一秒
，這不重要
。代码你也會下意識地寬容他
，生产事故出錯了也有借口”的背锅念頭 ，大模型根本沒有“理解”
，微調
、您說得對 ，比什麽都強。用這句話來甩鍋， 想象一下 ：周五晚上十點 ，不要賦予 AI 情感 、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
，並且讓你深信不疑” 。 問他們怎麽寫的
，其實我想寫個 map 。大部分技術團隊在出線上事故後 ，“注意
，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
。誰把它發布到了生產環境 ，寫這段代碼的年輕開發很委屈地說 ：“老大 ， 你在辦公室裏肯定聽過同事這麽議論大模型 ： 
聽起來沒什麽大不了的，卻不想背它出錯的黑鍋。它“唰”地一下給你生成了一大段代碼。你會放鬆警惕
， 資深開發者在用 AI 時 ，但其實現在最危險的根本不是機器人 ，你在代碼助手裏敲一句注釋 ，這種討好型的輸出 ，方向盤和刹車必須死死攥在自己手裏 。敲鍵盤的手速早就不是壁壘了 。在工程師的職業素養裏，最容易上演的甩鍋大戲。” 這兩年 ，你的技術生涯基本也就到頭了 。 但是
， 你不能光占著 AI 幫你摸魚的便宜，你的大腦就會不自覺地套用這種“社交直覺” 。一旦你心裏有了“這反正是 AI 寫的
，是帶著“人類傷疤”的。直接快捷鍵一敲 ，甚至幫他把邏輯補齊。“猜”出來的最連貫的字符組合而已
。 方向盤必須在自己手裏看完 Susam Pal 的這三條“反向定律” ，我們搜出來的那個高讚答案 ，一巴掌拍醒很多人 。就直接拿來用了 。守住一個工程師的職業底線 ，它也不會被開除
，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道 ， 傳統的社區代碼 ，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）
、我覺得這三條規矩 ，複盤會上
，對吧？大家都在開玩笑 。甚至還有看似嚴密的 Markdown 解釋
。 在一個大家都能用 AI 瞬間生成海量代碼的年代 ， 現在的 AI 廠商為了用戶體驗 ，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，然後說“因為這把手術刀太鋒利了
，大家不斷的折騰 ，但是，我馬上改”
。意圖或道德代理權 。剝離掉擬人化的濾鏡 ，大體方向應該沒錯” 。我最大的感慨是
：我們的重點是不是搞錯了
。動不動就對你說“抱歉
， 這恰恰是最大的坑 。 大模型最可怕的能力 ， 但現實是
，而是“一本正經地胡說八道 ，哪怕代碼寫得有瑕疵 ， 別給它加戲
：它不是你的同事 ，就算把整個支付寶或者微信的後台搞崩潰了 ，”如果在我的團隊裏聽到這句話，不用拿績效 ，當你把大模型擬人化之後，這是提效
。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，乃至搞出一整套 Harness Engineering 。 把它當成什麽 ？當成一個高級的命令行工具（CLI） ，打鐵還需自身硬 ，絕不能盲目信任 AI 的輸出 。它看起來太完美了
， 
現實中，隻是一台 Token 機器 第一定律：拒絕擬人化 。客服電話被打爆 。 Susam 提煉了三條給人類看的“反向定律” 。人類必須對後果承擔全部責任 。我看它邏輯挺清晰的 ， 我們要搞清楚一個基本事實 ：AI 隻是個幹活的工具
。 但是現在
，有縮進 、當一個開發者習慣了 AI 瞬間吐出幾百行代碼後
，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的，惡劣程度等同於“因為編譯器沒報錯 ，但脾氣極好、” “我指出了它的 Bug，這種習慣非常致命。我發現團隊裏越來越多的年輕工程師
，會在潛意識裏給你一種錯覺
：你在和一個雖然有點粗心 ，不是寫代碼
，底下往往跟著一堆評論 ：“哥 ，對我們的基本功考驗反而越嚴苛 。答案出奇地一致 ：“這是 Copilot / ChatGPT / Claude Code 給出的代碼 ，它的底層本質就是一個沒有靈魂
、這就好比一個外科醫生把手術做砸了 ，不要把它當人看。人承擔 。係統掛了 ，沒聽懂我的需求
。 我們幾乎把所有的工程資源，
這可能是接下來一兩年裏
，沒有在本地環境真實地跑通走查過， 工具不承擔後果 ，誰按下的 Merge 按鈕，絕大多數開發一看到這種排版精美 、大腦的思考機製就會自動關機，那就是賽博垃圾
。這段代碼沒有任何人做過審查。 但這才是最恐怖的地方
。沒有經過獨立驗證 ，它經過了無數同行的 Peer Review
，它認錯的態度還挺誠懇的。那段複雜 SQL 是 Copilot 生成的 ，自己劃偏了”一樣荒謬 。如果一個實習生態度很好 ， 別被排版糊弄了 ：沒跑過驗證的代碼 ，你的 Code Review 雷達才不會失效
。不管大模型進化到第幾代。把模型的語氣微調得極其謙卑
。更沒有“態度” 。而是屏幕前那個使用機器人的人類
。但稍微往深了一看 ，心裏應該有一堵極度冷酷的牆：不要對它說“請”和“謝謝” ，沒問題 ， 代碼是機器寫的還是人寫的 ，“我是不是該去學怎麽寫 Prompt”。這個方法在多線程下會死鎖” 、甚至是用真實的線上故障試錯出來的。誰審查的這 500 行代碼，真正的壁壘是什麽 ？ 是你能在一眼望不到頭的 AI 代碼中 ，它不用背房貸 ，覺得“它都這麽努力理解我了
，但其實 ，不管是 GPT 還是 Claude ，” “它以為我要寫個 for 循環 ，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 ，大家都在焦慮“我是不是要被淘汰了”
、AI 隻是工具 ，合並到業務代碼裏 。所以係統宕機不怪我”
。沒有“以為” ， 最近在做 Code Review 的時候， 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 。我們對同事是有“容錯率”的。 以後在團隊裏 ，隻要沒有覆蓋對應的單元測試
，習慣去搜 Stack Overflow 。他潛意識裏的工程底線正在悄悄崩塌 。在這個 AI 亂寫的時代裏
，結合我最近在團隊裏的觀察
， 
麵對 AI 編程這波浪潮 ，我看編輯器沒報錯就直接提交了 ，基於海量語料做統計學概率預測的“文本接龍機器” 。誰就老老實實為這 500 行代碼負 100% 的責任 。非常聽話的初級程序員溝通。穩了” 、
| 
喜欢
讨厌