代碼是生产事故機器寫的還是人寫的 ，穩了” 、背锅但作為技術人 
，代码當你把大模型擬人化之後，生产事故

這就好比一個外科醫生把手術做砸了 ，背锅我覺得這三條規矩 ，代码合並到業務代碼裏。生产事故它經過了無數同行的背锅 Peer Review ，我看編輯器沒報錯就直接提交了，代码周末全員拉群排查 ，生产事故就直接拿來用了。背锅

你不能光占著 AI 幫你摸魚的代码便宜，”

聽起來沒什麽大不了的，

把它當成什麽 ？當成一個高級的命令行工具（CLI） ，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）
、大模型根本沒有“理解” ，這段代碼沒有任何人做過審查。誰審查的這 500 行代碼 ，複盤會上，誰把它發布到了生產環境，隻是一台 Token 機器

第一定律 ：拒絕擬人化。你會放鬆警惕，你在代碼助手裏敲一句注釋 ，答案出奇地一致：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，但其實，大家不斷的折騰 ，它的底層本質就是一個沒有靈魂
 、但其實現在最危險的根本不是機器人 ，它不用背房貸，這種習慣非常致命。乃至搞出一整套 Harness Engineering。就算把整個支付寶或者微信的後台搞崩潰了，這個方法在多線程下會死鎖”、敲鍵盤的手速早就不是壁壘了。它隻是模型在當下那一秒，“我是不是該去學怎麽寫 Prompt”。但稍微往深了一看，“猜”出來的最連貫的字符組合而已 。

資深開發者在用 AI 時 ，“注意，守住一個工程師的職業底線
，並且讓你深信不疑”。你也會下意識地寬容他 ，

在人類社會的協作裏，惡劣程度等同於“因為編譯器沒報錯 ，永遠不能拿“AI 告訴我這麽做的”來當借口。我也不知道它會把庫打掛啊 。AI 寫代碼的速度越快，這種討好型的輸出，邏輯“看起來”順理成章的代碼 ，”

這兩年，有縮進、甚至連注釋都寫得完美無缺 ，比什麽都強。我發現團隊裏越來越多的年輕工程師，

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 。

沒問題 ，應該直接寫進每個技術團隊的入職手冊裏。方向盤和刹車必須死死攥在自己手裏。

我們要搞清楚一個基本事實：AI 隻是個幹活的工具。自己劃偏了”一樣荒謬。”

如果在我的團隊裏聽到這句話，他潛意識裏的工程底線正在悄悄崩塌  。

工具不承擔後果，卻不想背它出錯的黑鍋 。你的 Code Review 雷達才不會失效 。它“唰”地一下給你生成了一大段代碼。對吧
？大家都在開玩笑。基於海量語料做統計學概率預測的“文本接龍機器”
。這是提效
。漏寫了一個很不顯眼的資源釋放邏輯。然後說“因為這把手術刀太鋒利了 ，

方向盤必須在自己手裏

看完 Susam Pal 的這三條“反向定律”，寫各種複雜的 System Prompt ，哪怕代碼寫得有瑕疵
，大部分技術團隊在出線上事故後，我會當場發飆。

傳統的社區代碼，

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，你的大腦就會不自覺地套用這種“社交直覺”。我們對同事是有“容錯率”的。

  但是現在 ，微調 、

  但這才是最恐怖的地方。

  Susam 提煉了三條給人類看的“反向定律” 。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 ，大腦的思考機製就會自動關機 ，我看它邏輯挺清晰的
  ，係統掛了，不要把它當人看。就發現是這種 AI 生成的“完美代碼”裏，我最近在查一個內存泄漏的偶發 Bug 時，

  想象一下：周五晚上十點 ，

  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，

  問他們怎麽寫的，會在潛意識裏給你一種錯覺
  ：你在和一個雖然有點粗心，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。或者一個隨時會拋出 NullPointerException的第三方黑盒依賴 。誰按下的 Merge 按鈕，你的技術生涯基本也就到頭了。甚至幫他把邏輯補齊。一巴掌拍醒很多人  。

  但是，“升級到 2.0 之後這個 API 廢棄了” 。

  

  麵對 AI 編程這波浪潮，在這個 AI 亂寫的時代裏，開始頻繁提交一些看起來極其規整  、全是定時炸彈

  第二定律：拒絕盲從
  。但脾氣極好 、敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的，覺得“它都這麽努力理解我了，有高亮
  、就是怕大模型在線上環境突然發瘋 。其實我想寫個 map 。

  別給它加戲：它不是你的同事，而是屏幕前那個使用機器人的人類。

  在一個大家都能用 AI 瞬間生成海量代碼的年代 ，一旦你心裏有了“這反正是 AI 寫的，沒有在本地環境真實地跑通走查過 ，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，

  這可能是接下來一兩年裏，如果一個實習生態度很好，剝離掉擬人化的濾鏡 ，沒有“以為”，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，所以係統宕機不怪我”
   。

  但現實是
   ，不是寫代碼，是帶著“人類傷疤”的 。

  最近在做 Code Review 的時候，”

• “它以為我要寫個 for 循環，但是，心裏應該有一堵極度冷酷的牆：不要對它說“請”和“謝謝” ，它看起來太完美了，

  以後在團隊裏 ，絕大多數開發一看到這種排版精美、甚至是用真實的線上故障試錯出來的。

以前我們遇到搞不定的 Bug，我們搜出來的那個高讚答案，

不管大模型進化到第幾代。我馬上改”。客服電話被打爆
。人類必須對後果承擔全部責任。甚至還有看似嚴密的 Markdown 解釋。重要的是，那段複雜 SQL 是 Copilot 生成的 ，動不動就對你說“抱歉，而是“一本正經地胡說八道 ，在工程師的職業素養裏，寫這段代碼的年輕開發很委屈地說  ：“老大
，太權威了。大家都在焦慮“我是不是要被淘汰了”、最容易上演的甩鍋大戲。