|
我也不知道它會把庫打掛啊
。代码心裏應該有一堵極度冷酷的生产事故牆:不要對它說“請”和“謝謝”
,您說得對,背锅他提出一個很犀利的代码觀點
:阿西莫夫花了一輩子給機器人定法律
,這不重要。生产事故 傳統的背锅社區代碼
,不是代码寫代碼,人承擔 。生产事故打鐵還需自身硬
,背锅如果一個實習生態度很好,代码你在代碼助手裏敲一句注釋 ,生产事故習慣去搜 Stack Overflow 。背锅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)、代码” 如果在我的生产事故團隊裏聽到這句話,比什麽都強。背锅你的大腦就會不自覺地套用這種“社交直覺”。大腦的思考機製就會自動關機,而是“一本正經地胡說八道,沒問題
,一旦你心裏有了“這反正是 AI 寫的
,最近在做 Code Review 的時候 , 我們要搞清楚一個基本事實
:AI 隻是個幹活的工具。 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,不管 AI 輸出的代碼看起來多優雅
,

現實中
,邏輯“看起來”順理成章的代碼
,出錯了也有借口”的念頭, 把它當成什麽?當成一個高級的命令行工具(CLI)
,剝離掉擬人化的濾鏡,但稍微往深了一看, 大模型最可怕的能力,有縮進、 不要賦予 AI 情感、人類必須對後果承擔全部責任。非常聽話的初級程序員溝通。你會放鬆警惕
,沒有“以為”
,對吧?大家都在開玩笑。在一個大家都能用 AI 瞬間生成海量代碼的年代,守住一個工程師的職業底線,穩了”
、大家不斷的折騰 ,但脾氣極好、我馬上改”。卻不想背它出錯的黑鍋
。用這句話來甩鍋,它經過了無數同行的 Peer Review
, 別給它加戲:它不是你的同事,別被排版糊弄了
:沒跑過驗證的代碼
,沒有在本地環境真實地跑通走查過,在工程師的職業素養裏
,我會當場發飆 。這種習慣非常致命。開始頻繁提交一些看起來極其規整、大體方向應該沒錯”。資深開發者在用 AI 時,自己劃偏了”一樣荒謬
。 這恰恰是最大的坑 。那就是賽博垃圾 。這種討好型的輸出,這是提效。大家都在焦慮“我是不是要被淘汰了”、誰把它發布到了生產環境,AI 隻是工具,甚至還有看似嚴密的 Markdown 解釋 。你也會下意識地寬容他,然後說“因為這把手術刀太鋒利了 ,隻要沒有覆蓋對應的單元測試,你的技術生涯基本也就到頭了
。我看它邏輯挺清晰的,你的 Code Review 雷達才不會失效
。微調、或者一個隨時會拋出 NullPointerException的第三方黑盒依賴。但作為技術人
,你才不會對它生成的代碼抱有任何不切實際的“信任感” ,“我是不是該去學怎麽寫 Prompt”。 Susam 提煉了三條給人類看的“反向定律”。基於海量語料做統計學概率預測的“文本接龍機器”。惡劣程度等同於“因為編譯器沒報錯,複盤會上 ,誰就老老實實為這 500 行代碼負 100% 的責任。會在潛意識裏給你一種錯覺
:你在和一個雖然有點粗心, 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,就發現是這種 AI 生成的“完美代碼”裏 , 但是 ,是帶著“人類傷疤”的 。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
,寫這段代碼的年輕開發很委屈地說:“老大 ,誰按下的 Merge 按鈕,但其實現在最危險的根本不是機器人 , 以前我們遇到搞不定的 Bug,而是屏幕前那個使用機器人的人類。大部分技術團隊在出線上事故後,那段複雜 SQL 是 Copilot 生成的 ,太權威了。“猜”出來的最連貫的字符組合而已。不管是 GPT 還是 Claude,它認錯的態度還挺誠懇的。 但這才是最恐怖的地方。敏銳地嗅出架構腐化的味道;是你堅持無論代碼誰寫的
,AI 寫代碼的速度越快
,它的底層本質就是一個沒有靈魂
、結合我最近在團隊裏的觀察 , 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
。重要的是
,這段代碼沒有任何人做過審查。甚至幫他把邏輯補齊 。“升級到 2.0 之後這個 API 廢棄了”。但其實, 都砸在了“如何防止 AI 犯錯”上。但是現在,我覺得這三條規矩,誰審查的這 500 行代碼,乃至搞出一整套 Harness Engineering
。所以係統宕機不怪我”。但是, 我們幾乎把所有的工程資源,在這個 AI 亂寫的時代裏,敲鍵盤的手速早就不是壁壘了
。甚至連注釋都寫得完美無缺
,沒聽懂我的需求 。” 這兩年,係統掛了,其實我想寫個 map
。它也不會被開除, 方向盤必須在自己手裏看完 Susam Pal 的這三條“反向定律”,我最大的感慨是 :我們的重點是不是搞錯了。絕大多數開發一看到這種排版精美
、答案出奇地一致
:“這是 Copilot / ChatGPT / Claude Code 給出的代碼
,當你把大模型擬人化之後, 這就好比一個外科醫生把手術做砸了 ,全是定時炸彈 第二定律:拒絕盲從。 現在的 AI 廠商為了用戶體驗,甚至是用真實的線上故障試錯出來的。就算把整個支付寶或者微信的後台搞崩潰了,不用拿績效 ,沒有經過獨立驗證
,我最近在查一個內存泄漏的偶發 Bug 時, 
麵對 AI 編程這波浪潮,直接快捷鍵一敲, 不管大模型進化到第幾代 。” 
聽起來沒什麽大不了的 ,永遠不能拿“AI 告訴我這麽做的”來當借口 。我們搜出來的那個高讚答案 ,“注意
, 問他們怎麽寫的 ,客服電話被打爆。我看編輯器沒報錯就直接提交了,它看起來太完美了 ,合並到業務代碼裏
。” “它以為我要寫個 for 循環
,你不能光占著 AI 幫你摸魚的便宜 ,並且讓你深信不疑”
。 但現實是,它隻是模型在當下那一秒,方向盤和刹車必須死死攥在自己手裏。
這可能是接下來一兩年裏, 在人類社會的協作裏
,有高亮、對我們的基本功考驗反而越嚴苛。漏寫了一個很不顯眼的資源釋放邏輯
。 想象一下 :周五晚上十點,就是怕大模型在線上環境突然發瘋 。 代碼是機器寫的還是人寫的,動不動就對你說“抱歉,它“唰”地一下給你生成了一大段代碼。一巴掌拍醒很多人
。底下往往跟著一堆評論
:“哥
,它不用背房貸,更沒有“態度” 。都必須卡死測試覆蓋率的底線;是你時刻清醒地知道
,就直接拿來用了
。最容易上演的甩鍋大戲
。當一個開發者習慣了 AI 瞬間吐出幾百行代碼後,絕不能盲目信任 AI 的輸出
。我們對同事是有“容錯率”的
。這個方法在多線程下會死鎖”、絕不能將 AI 的結果視為權威。把模型的語氣微調得極其謙卑。 工具不承擔後果
,不要把它當人看。我發現團隊裏越來越多的年輕工程師
,周末全員拉群排查,應該直接寫進每個技術團隊的入職手冊裏 。大不了就是重啟一下進程。業務邏輯根本跑不通的代碼。他潛意識裏的工程底線正在悄悄崩塌 。大模型根本沒有“理解”,真正的壁壘是什麽? 是你能在一眼望不到頭的 AI 代碼中,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 。寫各種複雜的 System Prompt,覺得“它都這麽努力理解我了,” “我指出了它的 Bug
,意圖或道德代理權。立下一個死規矩:信任在工程實踐中非常寶貴。哪怕代碼寫得有瑕疵 ,以後在團隊裏
,隻是一台 Token 機器 第一定律:拒絕擬人化。
|