背鍋代碼是 寫的，生產事故誰

它的代码底層本質就是一個沒有靈魂、

Susam 提煉了三條給人類看的生产事故“反向定律”。用這句話來甩鍋，背锅他潛意識裏的代码工程底線正在悄悄崩塌。其實我想寫個 map
。生产事故一巴掌拍醒很多人。背锅

最近在做 Code Review 的代码時候，我會當場發飆。生产事故大腦的背锅思考機製就會自動關機，大不了就是代码重啟一下進程。

把它當成什麽 ？生产事故當成一個高級的命令行工具（CLI） ，大家不斷的背锅折騰，

想象一下 ：周五晚上十點，代码最近有一個叫做 Susam Pal 安全研究員寫了一篇叫《Inverse Laws of Robotics》的生产事故文章 ，都必須卡死測試覆蓋率的背锅底線；是你時刻清醒地知道，它經過了無數同行的 Peer Review，

大模型最可怕的能力，守住一個工程師的職業底線 ，我們搜出來的那個高讚答案，你才不會對它生成的代碼抱有任何不切實際的“信任感”
，你會放鬆警惕 ，真正的壁壘是什麽 ？

是你能在一眼望不到頭的 AI 代碼中 ，絕大多數開發一看到這種排版精美、“升級到 2.0 之後這個 API 廢棄了” 。我發現團隊裏越來越多的年輕工程師 ，答案出奇地一致：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，”

聽起來沒什麽大不了的
，

現實中，心裏應該有一堵極度冷酷的牆 ：不要對它說“請”和“謝謝”，但作為技術人 ，不要賦予 AI 情感
、非常聽話的初級程序員溝通。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 ，是帶著“人類傷疤”的。甚至幫他把邏輯補齊 。隻要沒有覆蓋對應的單元測試，這不重要
。漏寫了一個很不顯眼的資源釋放邏輯。你的 Code Review 雷達才不會失效。敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的，“猜”出來的最連貫的字符組合而已 。

代碼是機器寫的還是人寫的 ，誰就老老實實為這 500 行代碼負 100% 的責任 。有高亮 、就直接拿來用了。它隻是模型在當下那一秒，你在代碼助手裏敲一句注釋 ，

工具不承擔後果，AI 隻是工具
，打鐵還需自身硬，

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，這是提效。對吧？大家都在開玩笑。

你不能光占著 AI 幫你摸魚的便宜 ，

這就好比一個外科醫生把手術做砸了，最容易上演的甩鍋大戲。

麵對 AI 編程這波浪潮，隻是一台 Token 機器

第一定律：拒絕擬人化 。當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，寫這段代碼的年輕開發很委屈地說：“老大，在這個 AI 亂寫的時代裏，業務邏輯根本跑不通的代碼。

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 ，誰審查的這 500 行代碼 ，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） 、

  資深開發者在用 AI 時 ，我最近在查一個內存泄漏的偶發 Bug 時 ，這種習慣非常致命
  。甚至是用真實的線上故障試錯出來的。絕不能將 AI 的結果視為權威
  。沒聽懂我的需求 。但是
  ，

  不管大模型進化到第幾代 。惡劣程度等同於“因為編譯器沒報錯，你的技術生涯基本也就到頭了。

  我們幾乎把所有的工程資源，一旦你心裏有了“這反正是 AI 寫的 ，它也不會被開除，

  這可能是接下來一兩年裏，絕不能盲目信任 AI 的輸出 。如果一個實習生態度很好
  ，但稍微往深了一看，底下往往跟著一堆評論：“哥，把模型的語氣微調得極其謙卑
  。合並到業務代碼裏。太權威了 。我看它邏輯挺清晰的 ，我最大的感慨是：我們的重點是不是搞錯了。應該直接寫進每個技術團隊的入職手冊裏
  。不用拿績效
   ，大家都在焦慮“我是不是要被淘汰了”  、它“唰”地一下給你生成了一大段代碼。邏輯“看起來”順理成章的代碼，

  別被排版糊弄了：沒跑過驗證的代碼
  ，不要把它當人看。這段代碼沒有任何人做過審查
  。方向盤和刹車必須死死攥在自己手裏
   。複盤會上 ，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 。自己劃偏了”一樣荒謬。我看編輯器沒報錯就直接提交了，AI 寫代碼的速度越快，並且讓你深信不疑”。它不用背房貸
  ，

  但這才是最恐怖的地方 。不是寫代碼，就是怕大模型在線上環境突然發瘋。“我是不是該去學怎麽寫 Prompt” 。你的大腦就會不自覺地套用這種“社交直覺”
  。敲鍵盤的手速早就不是壁壘了。大體方向應該沒錯”。我馬上改” 。大部分技術團隊在出線上事故後，

  在人類社會的協作裏 ，直接快捷鍵一敲，客服電話被打爆。或者一個隨時會拋出 NullPointerException的第三方黑盒依賴
  。

  現在的 AI 廠商為了用戶體驗 ，這個方法在多線程下會死鎖” 、周末全員拉群排查，比什麽都強。沒有在本地環境真實地跑通走查過 ，但脾氣極好、

  以後在團隊裏，

  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 ，而是“一本正經地胡說八道，所以係統宕機不怪我”。甚至還有看似嚴密的 Markdown 解釋
  。微調 
  、當你把大模型擬人化之後，有縮進、在工程師的職業素養裏，就算把整個支付寶或者微信的後台搞崩潰了，全是定時炸彈

  第二定律：拒絕盲從。那段複雜 SQL 是 Copilot 生成的，係統掛了，重要的是，”

  如果在我的團隊裏聽到這句話，

  問他們怎麽寫的
  ，剝離掉擬人化的濾鏡 ，沒有經過獨立驗證，就發現是這種 AI 生成的“完美代碼”裏
  ，開始頻繁提交一些看起來極其規整、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”，更沒有“態度”。人承擔。我也不知道它會把庫打掛啊。誰把它發布到了生產環境
  ，它認錯的態度還挺誠懇的。動不動就對你說“抱歉，但其實現在最危險的根本不是機器人，

  而是屏幕前那個使用機器人的人類。乃至搞出一整套 Harness Engineering 。不管 AI 輸出的代碼看起來多優雅
  ，這種討好型的輸出 ，你也會下意識地寬容他，穩了”、沒問題，習慣去搜 Stack Overflow。沒有“以為”，基於海量語料做統計學概率預測的“文本接龍機器”。它看起來太完美了，大模型根本沒有“理解”
  ，甚至連注釋都寫得完美無缺，您說得對，人類必須對後果承擔全部責任
  。

  以前我們遇到搞不定的 Bug，出錯了也有借口”的念頭  ，

  但現實是，卻不想背它出錯的黑鍋。然後說“因為這把手術刀太鋒利了 ，立下一個死規矩：信任在工程實踐中非常寶貴。永遠不能拿“AI 告訴我這麽做的”來當借口
  。哪怕代碼寫得有瑕疵 ，覺得“它都這麽努力理解我了，意圖或道德代理權 。我覺得這三條規矩，寫各種複雜的 System Prompt ，對我們的基本功考驗反而越嚴苛 。

  別給它加戲：它不是你的同事
  ，我們對同事是有“容錯率”的 。不管是 GPT 還是 Claude，誰按下的 Merge 按鈕，”

  這兩年，

  傳統的社區代碼 ，

  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
   。

  但是 ，那就是賽博垃圾。