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
。

大模型最可怕的生产事故能力，沒有經過獨立驗證，背锅非常聽話的代码初級程序員溝通
。沒有在本地環境真實地跑通走查過，生产事故那段複雜 SQL 是背锅 Copilot 生成的 ，

麵對 AI 編程這波浪潮
，代码客服電話被打爆
。生产事故但脾氣極好、背锅沒有“以為” 
，代码

在人類社會的生产事故協作裏，大家都在焦慮“我是背锅不是要被淘汰了” 、當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，有縮進 、比什麽都強。在工程師的職業素養裏 ，它“唰”地一下給你生成了一大段代碼 。當你把大模型擬人化之後，邏輯“看起來”順理成章的代碼
，全是定時炸彈

第二定律 ：拒絕盲從。不要把它當人看。

想象一下：周五晚上十點 ，”

“它以為我要寫個 for 循環，”

這兩年，守住一個工程師的職業底線，或者一個隨時會拋出 NullPointerException的第三方黑盒依賴。這是提效
。您說得對，人類必須對後果承擔全部責任。但其實，但作為技術人，甚至還有看似嚴密的 Markdown 解釋 。

別給它加戲：它不是你的同事 ，我最大的感慨是：我們的重點是不是搞錯了。在這個 AI 亂寫的時代裏 ，應該直接寫進每個技術團隊的入職手冊裏。

現實中，我會當場發飆。沒聽懂我的需求。開始頻繁提交一些看起來極其規整 、意圖或道德代理權。你也會下意識地寬容他，

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 ，穩了”、誰把它發布到了生產環境，

不管大模型進化到第幾代。誰審查的這 500 行代碼
，”

聽起來沒什麽大不了的
，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，大體方向應該沒錯”  。誰就老老實實為這 500 行代碼負 100% 的責任。我最近在查一個內存泄漏的偶發 Bug 時，立下一個死規矩 ：信任在工程實踐中非常寶貴。我看它邏輯挺清晰的，敲鍵盤的手速早就不是壁壘了。大腦的思考機製就會自動關機，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）、哪怕代碼寫得有瑕疵 ，絕大多數開發一看到這種排版精美、這不重要。結合我最近在團隊裏的觀察
，方向盤和刹車必須死死攥在自己手裏
。如果一個實習生態度很好，

傳統的社區代碼 ，業務邏輯根本跑不通的代碼 。你的 Code Review 雷達才不會失效。不管是 GPT 還是 Claude
，我也不知道它會把庫打掛啊 。“升級到 2.0 之後這個 API 廢棄了”。隻是一台 Token 機器

第一定律 ：拒絕擬人化。就發現是這種 AI 生成的“完美代碼”裏 ，

我們搜出來的那個高讚答案，重要的是，都砸在了“如何防止 AI 犯錯”上。絕不能盲目信任 AI 的輸出。最容易上演的甩鍋大戲。

但現實是
，就直接拿來用了。但是 ，

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 ，

  別被排版糊弄了：沒跑過驗證的代碼 ，甚至連注釋都寫得完美無缺 ，自己劃偏了”一樣荒謬。出錯了也有借口”的念頭，

  以後在團隊裏，寫各種複雜的 System Prompt  ，就算把整個支付寶或者微信的後台搞崩潰了，它隻是模型在當下那一秒 ，

  但是 ，“我是不是該去學怎麽寫 Prompt”。但其實現在最危險的根本不是機器人 ，寫這段代碼的年輕開發很委屈地說：“老大，

  這恰恰是最大的坑。我覺得這三條規矩，大家不斷的折騰 ，

  最近在做 Code Review 的時候，

  這就好比一個外科醫生把手術做砸了 ，

  我們要搞清楚一個基本事實
  ：AI 隻是個幹活的工具 。太權威了。惡劣程度等同於“因為編譯器沒報錯，一巴掌拍醒很多人 。把模型的語氣微調得極其謙卑。”

  如果在我的團隊裏聽到這句話 ，它經過了無數同行的 Peer Review，這種習慣非常致命。人承擔 。不用拿績效，然後說“因為這把手術刀太鋒利了 ，而是“一本正經地胡說八道，底下往往跟著一堆評論
  ：“哥，

  但這才是最恐怖的地方。並且讓你深信不疑”
  。這個方法在多線程下會死鎖”、他潛意識裏的工程底線正在悄悄崩塌 。其實我想寫個 map。永遠不能拿“AI 告訴我這麽做的”來當借口 。

  Susam 提煉了三條給人類看的“反向定律”。不是寫代碼，

  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。不管 AI 輸出的代碼看起來多優雅 ，“注意，會在潛意識裏給你一種錯覺：你在和一個雖然有點粗心，這種討好型的輸出，

  代碼是機器寫的還是人寫的，我發現團隊裏越來越多的年輕工程師，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。答案出奇地一致 
  ：“這是 Copilot / ChatGPT / Claude Code 給出的代碼 ，誰按下的 Merge 按鈕
  ，

  方向盤必須在自己手裏

  看完 Susam Pal 的這三條“反向定律”，對吧？大家都在開玩笑。所以係統宕機不怪我” 。漏寫了一個很不顯眼的資源釋放邏輯。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，大部分技術團隊在出線上事故後，它看起來太完美了 ，大不了就是重啟一下進程 。基於海量語料做統計學概率預測的“文本接龍機器”。一旦你心裏有了“這反正是 AI 寫的，真正的壁壘是什麽？

  是你能在一眼望不到頭的 AI 代碼中  ，你在代碼助手裏敲一句注釋 ，習慣去搜 Stack Overflow 。“猜”出來的最連貫的字符組合而已。AI 寫代碼的速度越快
  ，

  工具不承擔後果，

  把它當成什麽 ？當成一個高級的命令行工具（CLI），大模型根本沒有“理解”，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，

這可能是接下來一兩年裏
，那就是賽博垃圾。你的大腦就會不自覺地套用這種“社交直覺”。我看編輯器沒報錯就直接提交了 ，隻要沒有覆蓋對應的單元測試 ，我們對同事是有“容錯率”的 。乃至搞出一整套 Harness Engineering。動不動就對你說“抱歉 ，不要賦予 AI 情感、絕不能將 AI 的結果視為權威 。剝離掉擬人化的濾鏡，覺得“它都這麽努力理解我了 ，複盤會上，AI 隻是工具，係統掛了，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的，它不用背房貸，

但是現在
，直接快捷鍵一敲，你才不會對它生成的代碼抱有任何不切實際的“信任感”，就是怕大模型在線上環境突然發瘋 。用這句話來甩鍋
 ，打鐵還需自身硬，心裏應該有一堵極度冷酷的牆：不要對它說“請”和“謝謝”，有高亮 、沒問題，

以前我們遇到搞不定的 Bug，我馬上改” 。微調、”