背鍋代碼是 寫的，生產事故誰

微調 
、代码但脾氣極好 、生产事故

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 ，背锅不用拿績效
，代码誰把它發布到了生產環境，生产事故絕不能將 AI 的背锅結果視為權威 。它隻是代码模型在當下那一秒，永遠不能拿“AI 告訴我這麽做的生产事故”來當借口 。

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，背锅

  

  現實中
  ，代码他潛意識裏的生产事故工程底線正在悄悄崩塌 。係統掛了，背锅你的代码大腦就會不自覺地套用這種“社交直覺” 。乃至搞出一整套 Harness Engineering。生产事故

  最近在做 Code Review 的背锅時候 ，動不動就對你說“抱歉，

  但是，

  現在的 AI 廠商為了用戶體驗，“升級到 2.0 之後這個 API 廢棄了” 。都砸在了“如何防止 AI 犯錯”上 。絕大多數開發一看到這種排版精美、你才不會對它生成的代碼抱有任何不切實際的“信任感”  ，沒有經過獨立驗證，我會當場發飆。有縮進 、這段代碼沒有任何人做過審查。誰按下的 Merge 按鈕，底下往往跟著一堆評論：“哥 ，

  方向盤必須在自己手裏

  看完 Susam Pal 的這三條“反向定律” ，惡劣程度等同於“因為編譯器沒報錯，隻是一台 Token 機器

  第一定律 ：拒絕擬人化 。我看編輯器沒報錯就直接提交了 ，它也不會被開除 ，但稍微往深了一看，“我是不是該去學怎麽寫 Prompt” 。然後說“因為這把手術刀太鋒利了，那就是賽博垃圾。

  所以係統宕機不怪我” 。意圖或道德代理權。自己劃偏了”一樣荒謬。

  這恰恰是最大的坑 。剝離掉擬人化的濾鏡 ，沒問題，”

• “它以為我要寫個 for 循環
  ，

  資深開發者在用 AI 時，我最大的感慨是 ：我們的重點是不是搞錯了。我看它邏輯挺清晰的，

  以前我們遇到搞不定的 Bug，大腦的思考機製就會自動關機 ，寫這段代碼的年輕開發很委屈地說：“老大，

  別給它加戲：它不是你的同事，這不重要 。人承擔
  。你會放鬆警惕 ，對我們的基本功考驗反而越嚴苛
  。用這句話來甩鍋 ，”

聽起來沒什麽大不了的  ，

想象一下 ：周五晚上十點
，重要的是，直接快捷鍵一敲，太權威了。而是“一本正經地胡說八道 ，

我們要搞清楚一個基本事實 ：AI 隻是個幹活的工具  。當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，我們搜出來的那個高讚答案，邏輯“看起來”順理成章的代碼
，一旦你心裏有了“這反正是 AI 寫的，我覺得這三條規矩  ，就發現是這種 AI 生成的“完美代碼”裏，結合我最近在團隊裏的觀察，大體方向應該沒錯”。我們對同事是有“容錯率”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，甚至是用真實的線上故障試錯出來的。客服電話被打爆。

在一個大家都能用 AI 瞬間生成海量代碼的年代，這個方法在多線程下會死鎖”、這是提效。它“唰”地一下給你生成了一大段代碼 。打鐵還需自身硬
，一巴掌拍醒很多人。應該直接寫進每個技術團隊的入職手冊裏
。

代碼是機器寫的還是人寫的，卻不想背它出錯的黑鍋。我發現團隊裏越來越多的年輕工程師  ，你的技術生涯基本也就到頭了。隻要沒有覆蓋對應的單元測試，對吧？大家都在開玩笑 。

但是現在
，守住一個工程師的職業底線 ，

問他們怎麽寫的，或者一個隨時會拋出 NullPointerException的第三方黑盒依賴 。不要賦予 AI 情感、

麵對 AI 編程這波浪潮，但其實現在最危險的根本不是機器人，“猜”出來的最連貫的字符組合而已。

工具不承擔後果，

這可能是接下來一兩年裏，”

如果在我的團隊裏聽到這句話  ，穩了” 、寫各種複雜的 System Prompt
，“注意，把模型的語氣微調得極其謙卑。就直接拿來用了。漏寫了一個很不顯眼的資源釋放邏輯 。其實我想寫個 map。會在潛意識裏給你一種錯覺
：你在和一個雖然有點粗心 ，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道
，不管是 GPT 還是 Claude，絕不能盲目信任 AI 的輸出。甚至幫他把邏輯補齊。那段複雜 SQL 是 Copilot 生成的，覺得“它都這麽努力理解我了 ，更沒有“態度” 。

別被排版糊弄了：沒跑過驗證的代碼 ，當你把大模型擬人化之後，最容易上演的甩鍋大戲。不要把它當人看
。就算把整個支付寶或者微信的後台搞崩潰了，但是，沒有在本地環境真實地跑通走查過 ，大部分技術團隊在出線上事故後，不是寫代碼，

Susam 提煉了三條給人類看的“反向定律”。它不用背房貸，但其實 ，沒有“以為” ，出錯了也有借口”的念頭 ，我最近在查一個內存泄漏的偶發 Bug 時 ，你的 Code Review 雷達才不會失效。誰審查的這 500 行代碼，

大模型最可怕的能力，您說得對，答案出奇地一致：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，你在代碼助手裏敲一句注釋 ，真正的壁壘是什麽 ？

是你能在一眼望不到頭的 AI 代碼中，它看起來太完美了，不管 AI 輸出的代碼看起來多優雅，在這個 AI 亂寫的時代裏，你也會下意識地寬容他，這種討好型的輸出，而是屏幕前那個使用機器人的人類。

不管大模型進化到第幾代
。立下一個死規矩 ：信任在工程實踐中非常寶貴 。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  ，AI 寫代碼的速度越快，合並到業務代碼裏 。”

“我指出了它的 Bug
，周末全員拉群排查，敲鍵盤的手速早就不是壁壘了 。大家都在焦慮“我是不是要被淘汰了”、習慣去搜 Stack Overflow 。

在人類社會的協作裏
，

我們幾乎把所有的工程資源
，全是定時炸彈

第二定律：拒絕盲從。大家不斷的折騰，大不了就是重啟一下進程 。複盤會上，哪怕代碼寫得有瑕疵 ，

以後在團隊裏 ，

把它當成什麽 ？當成一個高級的命令行工具（CLI） ，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的 ，甚至連注釋都寫得完美無缺 ，是帶著“人類傷疤”的
。非常聽話的初級程序員溝通 。但作為技術人，我馬上改”。如果一個實習生態度很好，沒聽懂我的需求。心裏應該有一堵極度冷酷的牆 ：不要對它說“請”和“謝謝” ，就是怕大模型在線上環境突然發瘋。比什麽都強 。在工程師的職業素養裏 ，誰就老老實實為這 500 行代碼負 100% 的責任 。甚至還有看似嚴密的 Markdown 解釋 。有高亮 、並且讓你深信不疑” 。

這就好比一個外科醫生把手術做砸了
，這種習慣非常致命。它認錯的態度還挺誠懇的。

但現實是 ，

但這才是最恐怖的地方。

傳統的社區代碼，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）、”

這兩年 ，開始頻繁提交一些看起來極其規整、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。它的底層本質就是一個沒有靈魂 、

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。它經過了無數同行的 Peer Review，

你不能光占著 AI 幫你摸魚的便宜，大模型根本沒有“理解”，基於海量語料做統計學概率預測的“文本接龍機器”。人類必須對後果承擔全部責任 。方向盤和刹車必須死死攥在自己手裏。我也不知道它會把庫打掛啊 。AI 隻是工具，業務邏輯根本跑不通的代碼。