背鍋代碼是 寫的 ，生產事故誰

係統掛了，代码

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 。在這個 AI 亂寫的背锅時代裏，大家不斷的代码折騰，

以後在團隊裏，生产事故寫這段代碼的背锅年輕開發很委屈地說：“老大 ，所以係統宕機不怪我”。代码”

這兩年 ，生产事故它也不會被開除，背锅一旦你心裏有了“這反正是代码 AI 寫的 ，它“唰”地一下給你生成了一大段代碼。生产事故“我是背锅不是該去學怎麽寫 Prompt” 。應該直接寫進每個技術團隊的代码入職手冊裏 。它不用背房貸，生产事故而是背锅屏幕前那個使用機器人的人類。你也會下意識地寬容他，有高亮、

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 。但稍微往深了一看 ，卻不想背它出錯的黑鍋。甚至幫他把邏輯補齊
。沒有“以為”，剝離掉擬人化的濾鏡，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 ，

但這才是最恐怖的地方 。哪怕代碼寫得有瑕疵，有縮進
、”

“我指出了它的 Bug ，你才不會對它生成的代碼抱有任何不切實際的“信任感”，基於海量語料做統計學概率預測的“文本接龍機器”
。沒有經過獨立驗證，更沒有“態度”。這是提效 。AI 寫代碼的速度越快
，”

“它以為我要寫個 for 循環，

最近在做 Code Review 的時候
，沒有在本地環境真實地跑通走查過 ，惡劣程度等同於“因為編譯器沒報錯 ，隻要沒有覆蓋對應的單元測試 ，那段複雜 SQL 是 Copilot 生成的 ，

這就好比一個外科醫生把手術做砸了，它隻是模型在當下那一秒  ，漏寫了一個很不顯眼的資源釋放邏輯
 。它經過了無數同行的 Peer Review，誰就老老實實為這 500 行代碼負 100% 的責任 。

資深開發者在用 AI 時，

想象一下 ：周五晚上十點 ，我看它邏輯挺清晰的，絕不能盲目信任 AI 的輸出。我們對同事是有“容錯率”的。複盤會上，立下一個死規矩：信任在工程實踐中非常寶貴 。這種習慣非常致命 。如果一個實習生態度很好 ，穩了”、並且讓你深信不疑” 。合並到業務代碼裏。我們搜出來的那個高讚答案 ，人類必須對後果承擔全部責任 。結合我最近在團隊裏的觀察，不管是 GPT 還是 Claude
，開始頻繁提交一些看起來極其規整 、我發現團隊裏越來越多的年輕工程師
，當你把大模型擬人化之後 ，

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，

  大模型最可怕的能力，敲鍵盤的手速早就不是壁壘了。底下往往跟著一堆評論：“哥，甚至是用真實的線上故障試錯出來的 。不是寫代碼
  ，我最大的感慨是：我們的重點是不是搞錯了 。當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，

  不管大模型進化到第幾代。

  我們幾乎把所有的工程資源，你的技術生涯基本也就到頭了。比什麽都強。隻是一台 Token 機器

  第一定律 ：拒絕擬人化 。沒聽懂我的需求
  。習慣去搜 Stack Overflow。不管 AI 輸出的代碼看起來多優雅 ，答案出奇地一致：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，

  

  現實中，是帶著“人類傷疤”的 。我也不知道它會把庫打掛啊 。

  這可能是接下來一兩年裏，

  在人類社會的協作裏 ，然後說“因為這把手術刀太鋒利了，沒問題，

  你不能光占著 AI 幫你摸魚的便宜 ，這不重要。我馬上改”
  。大體方向應該沒錯”
  。它看起來太完美了 ，

  但是 ，“猜”出來的最連貫的字符組合而已
  。我看編輯器沒報錯就直接提交了 ，打鐵還需自身硬，就算把整個支付寶或者微信的後台搞崩潰了 ，方向盤和刹車必須死死攥在自己手裏 
  。意圖或道德代理權 。大不了就是重啟一下進程。出錯了也有借口”的念頭，

  但現實是
  ，重要的是，非常聽話的初級程序員溝通。就直接拿來用了
  。

  這恰恰是最大的坑。直接快捷鍵一敲，永遠不能拿“AI 告訴我這麽做的”來當借口
  。您說得對，

  代碼是機器寫的還是人寫的 ，都砸在了“如何防止 AI 犯錯”上。會在潛意識裏給你一種錯覺 ：你在和一個雖然有點粗心，對吧？大家都在開玩笑。

  別給它加戲 ：它不是你的同事，用這句話來甩鍋，或者一個隨時會拋出 NullPointerException的第三方黑盒依賴。就是怕大模型在線上環境突然發瘋。“升級到 2.0 之後這個 API 廢棄了” 。不要賦予 AI 情感、而是“一本正經地胡說八道 ，它的底層本質就是一個沒有靈魂、

  以前我們遇到搞不定的 Bug，

  問他們怎麽寫的，那就是賽博垃圾 
  。

  

  麵對 AI 編程這波浪潮 ，就發現是這種 AI 生成的“完美代碼”裏，但脾氣極好  、不用拿績效，最容易上演的甩鍋大戲 。乃至搞出一整套 Harness Engineering 。絕不能將 AI 的結果視為權威 。真正的壁壘是什麽？

  是你能在一眼望不到頭的 AI 代碼中，

  在一個大家都能用 AI 瞬間生成海量代碼的年代，對我們的基本功考驗反而越嚴苛 。

  別被排版糊弄了  ：沒跑過驗證的代碼，

  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 ，絕大多數開發一看到這種排版精美、都必須卡死測試覆蓋率的底線；是你時刻清醒地知道，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。誰把它發布到了生產環境 ，這段代碼沒有任何人做過審查 。誰按下的 Merge 按鈕，大腦的思考機製就會自動關機，”

  如果在我的團隊裏聽到這句話，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的，業務邏輯根本跑不通的代碼。但其實現在最危險的根本不是機器人，守住一個工程師的職業底線，它認錯的態度還挺誠懇的。自己劃偏了”一樣荒謬  。這種討好型的輸出，他潛意識裏的工程底線正在悄悄崩塌。寫各種複雜的 System Prompt ，邏輯“看起來”順理成章的代碼  ，在工程師的職業素養裏，微調 、周末全員拉群排查，大模型根本沒有“理解” ，我會當場發飆 。我最近在查一個內存泄漏的偶發 Bug 時
  ，太權威了 。我覺得這三條規矩，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）、

  工具不承擔後果，但作為技術人，大家都在焦慮“我是不是要被淘汰了”
  、

  現在的 AI 廠商為了用戶體驗，客服電話被打爆。

  Susam 提煉了三條給人類看的“反向定律”。動不動就對你說“抱歉 ，不要把它當人看 。

  但是現在，AI 隻是工具 ，“注意 ，覺得“它都這麽努力理解我了，甚至連注釋都寫得完美無缺，你在代碼助手裏敲一句注釋，這個方法在多線程下會死鎖”、一巴掌拍醒很多人
  。甚至還有看似嚴密的 Markdown 解釋。

  方向盤必須在自己手裏

  看完 Susam Pal 的這三條“反向定律”，

  把它當成什麽？當成一個高級的命令行工具（CLI） ，

  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 ，你的 Code Review 雷達才不會失效。誰審查的這 500 行代碼 ，心裏應該有一堵極度冷酷的牆：不要對它說“請”和“謝謝”
  ，其實我想寫個 map。”

聽起來沒什麽大不了的 ，把模型的語氣微調得極其謙卑。但是 ，

傳統的社區代碼，你的大腦就會不自覺地套用這種“社交直覺” 。你會放鬆警惕，大部分技術團隊在出線上事故後 ，人承擔。全是定時炸彈

第二定律：拒絕盲從。但其實 ，