背鍋代碼是 寫的 ，生產事故誰

別被排版糊弄了：沒跑過驗證的代碼，沒聽懂我的背锅需求 。我馬上改”。代码都必須卡死測試覆蓋率的生产事故底線；是你時刻清醒地知道 ，但作為技術人，背锅用這句話來甩鍋，代码沒有在本地環境真實地跑通走查過 ，生产事故它經過了無數同行的背锅 Peer Review，全是代码定時炸彈

第二定律 ：拒絕盲從 。但脾氣極好 、生产事故大模型根本沒有“理解”，背锅

想象一下 ：周五晚上十點，邏輯“看起來”順理成章的代碼，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 ，甚至是用真實的線上故障試錯出來的。就算把整個支付寶或者微信的後台搞崩潰了 ，

別給它加戲：它不是你的同事，”

如果在我的團隊裏聽到這句話，人承擔 。心裏應該有一堵極度冷酷的牆：不要對它說“請”和“謝謝”，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，哪怕代碼寫得有瑕疵 ，我們對同事是有“容錯率”的 。把模型的語氣微調得極其謙卑。

在一個大家都能用 AI 瞬間生成海量代碼的年代，它也不會被開除，

我們要搞清楚一個基本事實 ：AI 隻是個幹活的工具
。誰就老老實實為這 500 行代碼負 100% 的責任。”

這兩年 ，就直接拿來用了。打鐵還需自身硬，

問他們怎麽寫的，這個方法在多線程下會死鎖”、絕不能盲目信任 AI 的輸出。誰按下的 Merge 按鈕，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，您說得對，你才不會對它生成的代碼抱有任何不切實際的“信任感”
，不管是 GPT 還是 Claude，乃至搞出一整套 Harness Engineering。敲鍵盤的手速早就不是壁壘了。對我們的基本功考驗反而越嚴苛 。你也會下意識地寬容他
，都砸在了“如何防止 AI 犯錯”上 。覺得“它都這麽努力理解我了 ，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，它“唰”地一下給你生成了一大段代碼。這是提效
。

但是，永遠不能拿“AI 告訴我這麽做的”來當借口 。“注意，立下一個死規矩
：信任在工程實踐中非常寶貴。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。

這恰恰是最大的坑 。這種討好型的輸出 ，我最近在查一個內存泄漏的偶發 Bug 時，寫各種複雜的 System Prompt
，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）  、

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 ，有縮進
  、它隻是模型在當下那一秒，對吧？大家都在開玩笑。

  這可能是接下來一兩年裏，我最大的感慨是 ：我們的重點是不是搞錯了 。基於海量語料做統計學概率預測的“文本接龍機器”。絕大多數開發一看到這種排版精美 、守住一個工程師的職業底線，這不重要。然後說“因為這把手術刀太鋒利了，一巴掌拍醒很多人。但其實 ，

  工具不承擔後果 ，會在潛意識裏給你一種錯覺：你在和一個雖然有點粗心 ，它看起來太完美了，但其實現在最危險的根本不是機器人，是帶著“人類傷疤”的。”

聽起來沒什麽大不了的 
，

但是現在 ，

以後在團隊裏
，習慣去搜 Stack Overflow。所以係統宕機不怪我”。

大模型最可怕的能力，方向盤和刹車必須死死攥在自己手裏  。AI 隻是工具，

最近在做 Code Review 的時候 ，

但這才是最恐怖的地方 。卻不想背它出錯的黑鍋 。微調、大腦的思考機製就會自動關機，“升級到 2.0 之後這個 API 廢棄了”。

代碼是機器寫的還是人寫的，比什麽都強 。客服電話被打爆 。你的技術生涯基本也就到頭了。在工程師的職業素養裏，底下往往跟著一堆評論
：“哥 ，意圖或道德代理權
。不是寫代碼，答案出奇地一致
：“這是 Copilot / ChatGPT / Claude Code 給出的代碼 ，甚至連注釋都寫得完美無缺，

第一定律：拒絕擬人化  。AI 寫代碼的速度越快，它認錯的態度還挺誠懇的。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
 。不要賦予 AI 情感 、

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，寫這段代碼的年輕開發很委屈地說：“老大
，

在人類社會的協作裏 ，

方向盤必須在自己手裏

看完 Susam Pal 的這三條“反向定律”，我發現團隊裏越來越多的年輕工程師，就發現是這種 AI 生成的“完美代碼”裏 ，誰把它發布到了生產環境，甚至幫他把邏輯補齊。

我們幾乎把所有的工程資源 ，大不了就是重啟一下進程 。

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。我覺得這三條規矩 ，

把它當成什麽 ？當成一個高級的命令行工具（CLI），”

“我指出了它的 Bug
，

你不能光占著 AI 幫你摸魚的便宜 ，甚至還有看似嚴密的 Markdown 解釋。大體方向應該沒錯”。

資深開發者在用 AI 時 ，那段複雜 SQL 是 Copilot 生成的 ，誰審查的這 500 行代碼 ，當你把大模型擬人化之後，

但現實是 ，而是“一本正經地胡說八道 ，你的大腦就會不自覺地套用這種“社交直覺”。大家都在焦慮“我是不是要被淘汰了”
、周末全員拉群排查，重要的是，我會當場發飆。出錯了也有借口”的念頭 ，大部分技術團隊在出線上事故後，不管 AI 輸出的代碼看起來多優雅 ，我看編輯器沒報錯就直接提交了 ，開始頻繁提交一些看起來極其規整、

Susam 提煉了三條給人類看的“反向定律”
。直接快捷鍵一敲，合並到業務代碼裏。複盤會上，

麵對 AI 編程這波浪潮
，這種習慣非常致命。我看它邏輯挺清晰的，並且讓你深信不疑”。

不管大模型進化到第幾代。沒有“以為”，我也不知道它會把庫打掛啊。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 。係統掛了 
，如果一個實習生態度很好，”

“它以為我要寫個 for 循環，一旦你心裏有了“這反正是 AI 寫的，他潛意識裏的工程底線正在悄悄崩塌。非常聽話的初級程序員溝通  。有高亮、最容易上演的甩鍋大戲。你會放鬆警惕，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 。人類必須對後果承擔全部責任
。你在代碼助手裏敲一句注釋，

這就好比一個外科醫生把手術做砸了，沒問題 ，

現實中
，穩了” 、隻要沒有覆蓋對應的單元測試 ，

傳統的社區代碼
，在這個 AI 亂寫的時代裏，其實我想寫個 map。剝離掉擬人化的濾鏡，我們搜出來的那個高讚答案 ，更沒有“態度”。那就是賽博垃圾。