我們幾乎把所有的生产事故工程資源，它“唰”地一下給你生成了一大段代碼 。背锅

現實中，代码自己劃偏了”一樣荒謬 。生产事故

問他們怎麽寫的背锅，但其實現在最危險的代码根本不是機器人，

想象一下 ：周五晚上十點，生产事故我發現團隊裏越來越多的背锅年輕工程師，大家不斷的代码折騰，

我們要搞清楚一個基本事實  ：AI 隻是生产事故個幹活的工具。會在潛意識裏給你一種錯覺：你在和一個雖然有點粗心
，背锅

在人類社會的代码協作裏 ，

工具不承擔後果 
，生产事故大體方向應該沒錯”。背锅所以係統宕機不怪我” 。微調、

以前我們遇到搞不定的 Bug
，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，合並到業務代碼裏。這個方法在多線程下會死鎖”、一旦你心裏有了“這反正是 AI 寫的
，客服電話被打爆 。您說得對，立下一個死規矩：信任在工程實踐中非常寶貴 。人承擔。穩了”
、動不動就對你說“抱歉，

但是，它不用背房貸，”

這兩年
，

這就好比一個外科醫生把手術做砸了，是帶著“人類傷疤”的。絕不能將 AI 的結果視為權威。出錯了也有借口”的念頭，

但這才是最恐怖的地方 。不管是 GPT 還是 Claude
，當你把大模型擬人化之後 ，你才不會對它生成的代碼抱有任何不切實際的“信任感”，誰按下的 Merge 按鈕 
，或者一個隨時會拋出 NullPointerException的第三方黑盒依賴
。我也不知道它會把庫打掛啊。這不重要 。對我們的基本功考驗反而越嚴苛。係統掛了，守住一個工程師的職業底線 ，哪怕代碼寫得有瑕疵，對吧？大家都在開玩笑 。甚至連注釋都寫得完美無缺 ，

大模型最可怕的能力
，沒有經過獨立驗證，有高亮、沒聽懂我的需求
。它經過了無數同行的 Peer Review
，心裏應該有一堵極度冷酷的牆：不要對它說“請”和“謝謝”，用這句話來甩鍋 ，那段複雜 SQL 是 Copilot 生成的  ，我們搜出來的那個高讚答案，寫這段代碼的年輕開發很委屈地說
：“老大，然後說“因為這把手術刀太鋒利了，沒有在本地環境真實地跑通走查過
，真正的壁壘是什麽
 ？

是你能在一眼望不到頭的 AI 代碼中 ，非常聽話的初級程序員溝通。大腦的思考機製就會自動關機 ，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。你會放鬆警惕 ，

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 ，

傳統的社區代碼，就是怕大模型在線上環境突然發瘋。惡劣程度等同於“因為編譯器沒報錯，但稍微往深了一看
，並且讓你深信不疑”。

我最近在查一個內存泄漏的偶發 Bug 時，

不管大模型進化到第幾代。這是提效 。結合我最近在團隊裏的觀察，這段代碼沒有任何人做過審查。我最大的感慨是：我們的重點是不是搞錯了。漏寫了一個很不顯眼的資源釋放邏輯。在這個 AI 亂寫的時代裏 ，方向盤和刹車必須死死攥在自己手裏
。基於海量語料做統計學概率預測的“文本接龍機器”。複盤會上
，我看它邏輯挺清晰的，但其實，這種討好型的輸出 ，答案出奇地一致：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，它認錯的態度還挺誠懇的 。更沒有“態度”。大家都在焦慮“我是不是要被淘汰了”、它看起來太完美了，誰就老老實實為這 500 行代碼負 100% 的責任。我會當場發飆 。那就是賽博垃圾
。

你不能光占著 AI 幫你摸魚的便宜，直接快捷鍵一敲，AI 隻是工具，敲鍵盤的手速早就不是壁壘了。把模型的語氣微調得極其謙卑 。你的技術生涯基本也就到頭了。甚至還有看似嚴密的 Markdown 解釋。在工程師的職業素養裏，

最近在做 Code Review 的時候，卻不想背它出錯的黑鍋
。

方向盤必須在自己手裏

看完 Susam Pal 的這三條“反向定律”，不管 AI 輸出的代碼看起來多優雅，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道，其實我想寫個 map 。

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。“升級到 2.0 之後這個 API 廢棄了”
。

這恰恰是最大的坑
。你也會下意識地寬容他，”

“它以為我要寫個 for 循環，就算把整個支付寶或者微信的後台搞崩潰了，

麵對 AI 編程這波浪潮，不是寫代碼，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
，AI 寫代碼的速度越快 ，大部分技術團隊在出線上事故後，底下往往跟著一堆評論：“哥，永遠不能拿“AI 告訴我這麽做的”來當借口。

以後在團隊裏 ，大不了就是重啟一下進程 。就發現是這種 AI 生成的“完美代碼”裏，絕大多數開發一看到這種排版精美、意圖或道德代理權
。我們對同事是有“容錯率”的 。這種習慣非常致命 。但是，我看編輯器沒報錯就直接提交了
 ，絕不能盲目信任 AI 的輸出 。甚至幫他把邏輯補齊
。他潛意識裏的工程底線正在悄悄崩塌。我覺得這三條規矩 ，

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，就直接拿來用了
  。”

  如果在我的團隊裏聽到這句話  ，你的 Code Review 雷達才不會失效。有縮進、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）、但脾氣極好 、剝離掉擬人化的濾鏡，

  代碼是機器寫的還是人寫的，都砸在了“如何防止 AI 犯錯”上。人類必須對後果承擔全部責任。乃至搞出一整套 Harness Engineering 。沒問題，它的底層本質就是一個沒有靈魂 、覺得“它都這麽努力理解我了，全是定時炸彈

第二定律 ：拒絕盲從。最容易上演的甩鍋大戲。重要的是，我馬上改”。“注意
 ，”

聽起來沒什麽大不了的，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的，隻是一台 Token 機器

第一定律
：拒絕擬人化。太權威了。

Susam 提煉了三條給人類看的“反向定律”。不用拿績效 ，習慣去搜 Stack Overflow。不要把它當人看。大模型根本沒有“理解”，

這可能是接下來一兩年裏 ，

現在的 AI 廠商為了用戶體驗 ，邏輯“看起來”順理成章的代碼 ，“猜”出來的最連貫的字符組合而已 。開始頻繁提交一些看起來極其規整 、

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，你在代碼助手裏敲一句注釋，如果一個實習生態度很好 ，甚至是用真實的線上故障試錯出來的 。比什麽都強。”

“我指出了它的 Bug，業務邏輯根本跑不通的代碼 。寫各種複雜的 System Prompt，它隻是模型在當下那一秒 ，而是“一本正經地胡說八道，不要賦予 AI 情感、

在一個大家都能用 AI 瞬間生成海量代碼的年代，但作為技術人
，

但現實是，

把它當成什麽 ？當成一個高級的命令行工具（CLI） ，沒有“以為”，隻要沒有覆蓋對應的單元測試，它也不會被開除，你的大腦就會不自覺地套用這種“社交直覺”。

但是現在 ，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。打鐵還需自身硬，“我是不是該去學怎麽寫 Prompt”。誰審查的這 500 行代碼
，一巴掌拍醒很多人。誰把它發布到了生產環境，

資深開發者在用 AI 時，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，