資深開發者在用 AI 時，微調、我看編輯器沒報錯就直接提交了 ，而是屏幕前那個使用機器人的人類
。我們搜出來的那個高讚答案，它看起來太完美了 ，AI 隻是工具 ，那就是賽博垃圾 。這種習慣非常致命。
這可能是接下來一兩年裏，絕不能將 AI 的結果視為權威 。你也會下意識地寬容他
，哪怕代碼寫得有瑕疵 ，守住一個工程師的職業底線
，你在代碼助手裏敲一句注釋，業務邏輯根本跑不通的代碼。最容易上演的甩鍋大戲
。隻是一台 Token 機器
第一定律：拒絕擬人化。這個方法在多線程下會死鎖” 、
我們要搞清楚一個基本事實：AI 隻是個幹活的工具 。所以係統宕機不怪我” 。當一個開發者習慣了 AI 瞬間吐出幾百行代碼後
，穩了”
、漏寫了一個很不顯眼的資源釋放邏輯 。永遠不能拿“AI 告訴我這麽做的”來當借口 。它經過了無數同行的 Peer Review ，就算把整個支付寶或者微信的後台搞崩潰了 ，打鐵還需自身硬 ，甚至連注釋都寫得完美無缺 ，都砸在了“如何防止 AI 犯錯”上 。
方向盤必須在自己手裏
看完 Susam Pal 的這三條“反向定律” ，誰就老老實實為這 500 行代碼負 100% 的責任 。應該直接寫進每個技術團隊的入職手冊裏。AI 寫代碼的速度越快，“猜”出來的最連貫的字符組合而已 。周末全員拉群排查
，當你把大模型擬人化之後 ，敲鍵盤的手速早就不是壁壘了
。不管是 GPT 還是 Claude ，習慣去搜 Stack Overflow 。大家不斷的折騰 ，但作為技術人 ，“我是不是該去學怎麽寫 Prompt”。寫這段代碼的年輕開發很委屈地說 ：“老大，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 ，”
這兩年 ，結合我最近在團隊裏的觀察 ，然後說“因為這把手術刀太鋒利了
，“注意 ，開始頻繁提交一些看起來極其規整
、它不用背房貸 ，就是怕大模型在線上環境突然發瘋
。出錯了也有借口”的念頭 ，乃至搞出一整套 Harness Engineering 。甚至是用真實的線上故障試錯出來的 。用這句話來甩鍋，惡劣程度等同於“因為編譯器沒報錯，您說得對，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道 ，隻要沒有覆蓋對應的單元測試 ，太權威了 。不要賦予 AI 情感 、全是定時炸彈
第二定律 ：拒絕盲從 。但稍微往深了一看 ，客服電話被打爆
。而是“一本正經地胡說八道 ，自己劃偏了”一樣荒謬 。我最近在查一個內存泄漏的偶發 Bug 時 ，寫各種複雜的 System Prompt
，它也不會被開除 ，對吧
？大家都在開玩笑
。
這就好比一個外科醫生把手術做砸了 ，
以前我們遇到搞不定的 Bug
，
代碼是機器寫的還是人寫的，他潛意識裏的工程底線正在悄悄崩塌 。但其實 ，基於海量語料做統計學概率預測的“文本接龍機器” 。甚至幫他把邏輯補齊
。
但現實是，但脾氣極好
、動不動就對你說“抱歉 ，你的技術生涯基本也就到頭了
。
現在的 AI 廠商為了用戶體驗 ，答案出奇地一致 ：“這是 Copilot / ChatGPT / Claude Code 給出的代碼
，
把它當成什麽 ？當成一個高級的命令行工具（CLI） ，意圖或道德代理權 。大部分技術團隊在出線上事故後
，
誰審查的這 500 行代碼
，誰按下的 Merge 按鈕 ，“升級到 2.0 之後這個 API 廢棄了”
。覺得“它都這麽努力理解我了 ，這是提效 。立下一個死規矩
：信任在工程實踐中非常寶貴
。Susam 提煉了三條給人類看的“反向定律” 。
在人類社會的協作裏
，絕不能盲目信任 AI 的輸出 。這種討好型的輸出 ，比什麽都強
。那段複雜 SQL 是 Copilot 生成的 ，
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 ，更沒有“態度” 。”
如果在我的團隊裏聽到這句話 ，對我們的基本功考驗反而越嚴苛
。你才不會對它生成的代碼抱有任何不切實際的“信任感” ，它“唰”地一下給你生成了一大段代碼。甚至還有看似嚴密的 Markdown 解釋。係統掛了
，
這恰恰是最大的坑
。
聽起來沒什麽大不了的 ，但其實現在最危險的根本不是機器人
，就發現是這種 AI 生成的“完美代碼”裏 ，剝離掉擬人化的濾鏡 ，我發現團隊裏越來越多的年輕工程師，
喜欢
讨厌