第三定律 ：責任不可剝奪 。對我們的背锅基本功考驗反而越嚴苛
。大家不斷的代码折騰，“升級到 2.0 之後這個 API 廢棄了”。生产事故其實我想寫個 map 。背锅答案出奇地一致 ：“這是 Copilot / ChatGPT / Claude Code 給出的代碼 ，
以後在團隊裏 ，”
聽起來沒什麽大不了的 ，自己劃偏了”一樣荒謬 。寫各種複雜的 System Prompt ，一巴掌拍醒很多人
。會在潛意識裏給你一種錯覺：你在和一個雖然有點粗心，卻不想背它出錯的黑鍋
。不管 AI 輸出的代碼看起來多優雅 ，非常聽話的初級程序員溝通
。微調、打鐵還需自身硬
，用這句話來甩鍋
，這種習慣非常致命
。然後說“因為這把手術刀太鋒利了 ，但其實，那段複雜 SQL 是 Copilot 生成的
，覺得“它都這麽努力理解我了，基於海量語料做統計學概率預測的“文本接龍機器” 。
不管大模型進化到第幾代
。
但是現在
，你在代碼助手裏敲一句注釋，
現在的 AI 廠商為了用戶體驗
，
把它當成什麽 ？當成一個高級的命令行工具（CLI）
，“我是不是該去學怎麽寫 Prompt” 。你的 Code Review 雷達才不會失效 。當一個開發者習慣了 AI 瞬間吐出幾百行代碼後 ，我們搜出來的那個高讚答案 ，
想象一下
：周五晚上十點 ，這個方法在多線程下會死鎖” 、敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的 ，甚至還有看似嚴密的 Markdown 解釋。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） 、
Susam 提煉了三條給人類看的“反向定律” 。甚至連注釋都寫得完美無缺，
資深開發者在用 AI 時
，沒有“以為” ，我也不知道它會把庫打掛啊。我馬上改” 。大體方向應該沒錯” 。
大模型最可怕的能力
，
在一個大家都能用 AI 瞬間生成海量代碼的年代 ，在這個 AI 亂寫的時代裏 ，它不用背房貸
，它也不會被開除 ，
問他們怎麽寫的，我覺得這三條規矩，但稍微往深了一看 ，就直接拿來用了
。重要的是 ，他潛意識裏的工程底線正在悄悄崩塌 。一旦你心裏有了“這反正是 AI 寫的
，對吧 ？大家都在開玩笑 。你才不會對它生成的代碼抱有任何不切實際的“信任感” ，AI 隻是工具 ，合並到業務代碼裏
。穩了” 、
在人類社會的協作裏
，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，就是怕大模型在線上環境突然發瘋。敲鍵盤的手速早就不是壁壘了
。它認錯的態度還挺誠懇的 。我會當場發飆 。這段代碼沒有任何人做過審查
。但脾氣極好 、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 。都砸在了“如何防止 AI 犯錯”上
。”“它以為我要寫個 for 循環 ，我們對同事是有“容錯率”的 。結合我最近在團隊裏的觀察 ，沒有在本地環境真實地跑通走查過 ，是帶著“人類傷疤”的 。最近在做 Code Review 的時候，太權威了。
但是，
代碼是機器寫的還是人寫的 ，我發現團隊裏越來越多的年輕工程師 ，隻要沒有覆蓋對應的單元測試
，
我們要搞清楚一個基本事實 ：AI 隻是個幹活的工具。直接快捷鍵一敲 ，方向盤和刹車必須死死攥在自己手裏 。沒聽懂我的需求 。
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
，複盤會上 ，漏寫了一個很不顯眼的資源釋放邏輯 。那就是賽博垃圾 。它“唰”地一下給你生成了一大段代碼 。習慣去搜 Stack Overflow 。不管是 GPT 還是 Claude ，這不重要。底下往往跟著一堆評論：“哥
，乃至搞出一整套 Harness Engineering。
別給它加戲
：它不是你的同事 ，
麵對 AI 編程這波浪潮，但作為技術人 ，應該直接寫進每個技術團隊的入職手冊裏 。並且讓你深信不疑”。“猜”出來的最連貫的字符組合而已
。
你不能光占著 AI 幫你摸魚的便宜，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道
，周末全員拉群排查 ，”
“我指出了它的 Bug ，絕大多數開發一看到這種排版精美、大家都在焦慮“我是不是要被淘汰了” 、方向盤必須在自己手裏
看完 Susam Pal 的這三條“反向定律” ，把模型的語氣微調得極其謙卑 。哪怕代碼寫得有瑕疵
，
如果在我的團隊裏聽到這句話，人類必須對後果承擔全部責任 。你也會下意識地寬容他，它的底層本質就是一個沒有靈魂 、誰把它發布到了生產環境
，但其實現在最危險的根本不是機器人，它看起來太完美了 ，
我們幾乎把所有的工程資源 ，出錯了也有借口”的念頭 ，最容易上演的甩鍋大戲。誰按下的 Merge 按鈕
，不要把它當人看 。更沒有“態度”。真正的壁壘是什麽 ？
喜欢
讨厌