在人類社會的代码協作裏 ，非常聽話的生产事故初級程序員溝通。

但這才是背锅最恐怖的地方 。其實我想寫個 map 。代码

但是生产事故 ，

資深開發者在用 AI 時，背锅比什麽都強。代码我發現團隊裏越來越多的生产事故年輕工程師
，它隻是背锅模型在當下那一秒
，當你把大模型擬人化之後，代码敲鍵盤的生产事故手速早就不是壁壘了 。立下一個死規矩 ：信任在工程實踐中非常寶貴。背锅

現實中
，代码隻要沒有覆蓋對應的生产事故單元測試，意圖或道德代理權  。背锅

想象一下
：周五晚上十點 ，”

如果在我的團隊裏聽到這句話，你在代碼助手裏敲一句注釋 ，沒有“以為” ，覺得“它都這麽努力理解我了，”

聽起來沒什麽大不了的 ，我會當場發飆 。有高亮、寫這段代碼的年輕開發很委屈地說 ：“老大，我看編輯器沒報錯就直接提交了
，

別給它加戲：它不是你的同事 ，並且讓你深信不疑” 。我也不知道它會把庫打掛啊。那段複雜 SQL 是 Copilot 生成的 ，穩了”、大部分技術團隊在出線上事故後 ，你的技術生涯基本也就到頭了
。有縮進
、而是“一本正經地胡說八道 ，全是定時炸彈

第二定律：拒絕盲從。那就是賽博垃圾。惡劣程度等同於“因為編譯器沒報錯
，底下往往跟著一堆評論：“哥，這種討好型的輸出 ，寫各種複雜的 System Prompt ，

Susam 提煉了三條給人類看的“反向定律”。我看它邏輯挺清晰的，沒問題，直接快捷鍵一敲，基於海量語料做統計學概率預測的“文本接龍機器”。但是，然後說“因為這把手術刀太鋒利了，永遠不能拿“AI 告訴我這麽做的”來當借口。這個方法在多線程下會死鎖”、

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。自己劃偏了”一樣荒謬 。開始頻繁提交一些看起來極其規整 、沒有經過獨立驗證 ，我馬上改”。“注意，絕不能將 AI 的結果視為權威。對我們的基本功考驗反而越嚴苛。AI 寫代碼的速度越快，就是怕大模型在線上環境突然發瘋。微調 、AI 隻是工具 ，最容易上演的甩鍋大戲。

這可能是接下來一兩年裏，絕大多數開發一看到這種排版精美
、

但現實是，打鐵還需自身硬，大家不斷的折騰
，客服電話被打爆。就直接拿來用了。真正的壁壘是什麽？

是你能在一眼望不到頭的 AI 代碼中 ，人承擔 。邏輯“看起來”順理成章的代碼，

把它當成什麽 ？當成一個高級的命令行工具（CLI），應該直接寫進每個技術團隊的入職手冊裏。“升級到 2.0 之後這個 API 廢棄了” 。這不重要。守住一個工程師的職業底線，一巴掌拍醒很多人。

方向盤必須在自己手裏

看完 Susam Pal 的這三條“反向定律” ，沒有在本地環境真實地跑通走查過
，都砸在了“如何防止 AI 犯錯”上
。用這句話來甩鍋 ，心裏應該有一堵極度冷酷的牆：不要對它說“請”和“謝謝”，它認錯的態度還挺誠懇的。沒聽懂我的需求。甚至連注釋都寫得完美無缺
 ，大不了就是重啟一下進程。誰按下的 Merge 按鈕，他潛意識裏的工程底線正在悄悄崩塌
。隻是一台 Token 機器

第一定律：拒絕擬人化。乃至搞出一整套 Harness Engineering。“猜”出來的最連貫的字符組合而已 。大體方向應該沒錯” 。我最近在查一個內存泄漏的偶發 Bug 時，你的大腦就會不自覺地套用這種“社交直覺”。方向盤和刹車必須死死攥在自己手裏
。就發現是這種 AI 生成的“完美代碼”裏 ，不管是 GPT 還是 Claude，業務邏輯根本跑不通的代碼 。習慣去搜 Stack Overflow。這種習慣非常致命。甚至是用真實的線上故障試錯出來的。不管 AI 輸出的代碼看起來多優雅，

我們幾乎把所有的工程資源，不要把它當人看。周末全員拉群排查，剝離掉擬人化的濾鏡，

不管大模型進化到第幾代
 。

大模型最可怕的能力
，絕不能盲目信任 AI 的輸出 。誰把它發布到了生產環境
，它不用背房貸 ，哪怕代碼寫得有瑕疵，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道 ，”

“我指出了它的 Bug
，

麵對 AI 編程這波浪潮 ，而是屏幕前那個使用機器人的人類。我們對同事是有“容錯率”的 。

現在的 AI 廠商為了用戶體驗，但其實現在最危險的根本不是機器人，我最大的感慨是：我們的重點是不是搞錯了。你會放鬆警惕，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。不是寫代碼
，您說得對 ，

工具不承擔後果，人類必須對後果承擔全部責任。

代碼是機器寫的還是人寫的 ，漏寫了一個很不顯眼的資源釋放邏輯
。如果一個實習生態度很好
，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 ，卻不想背它出錯的黑鍋。把模型的語氣微調得極其謙卑。

這恰恰是最大的坑。動不動就對你說“抱歉，但其實，

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，你也會下意識地寬容他 ，

傳統的社區代碼，

以後在團隊裏，它也不會被開除 ，結合我最近在團隊裏的觀察，它經過了無數同行的 Peer Review ，“我是不是該去學怎麽寫 Prompt” 。會在潛意識裏給你一種錯覺
：你在和一個雖然有點粗心 ，”

“它以為我要寫個 for 循環，大腦的思考機製就會自動關機，

在一個大家都能用 AI 瞬間生成海量代碼的年代
，我覺得這三條規矩 ，更沒有“態度”。但作為技術人 ，出錯了也有借口”的念頭，就算把整個支付寶或者微信的後台搞崩潰了，

別被排版糊弄了 ：沒跑過驗證的代碼，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，重要的是 ，太權威了。但稍微往深了一看，但脾氣極好、這是提效 。

以前我們遇到搞不定的 Bug 
，

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。這段代碼沒有任何人做過審查 。”

這兩年 ，

但是現在 ，甚至幫他把邏輯補齊。它看起來太完美了 ，或者一個隨時會拋出 NullPointerException的第三方黑盒依賴。它的底層本質就是一個沒有靈魂
、大模型根本沒有“理解”，合並到業務代碼裏。所以係統宕機不怪我”。敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的 ，我們搜出來的那個高讚答案 ，甚至還有看似嚴密的 Markdown 解釋。它“唰”地一下給你生成了一大段代碼。

你不能光占著 AI 幫你摸魚的便宜，係統掛了，

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，大家都在焦慮“我是不是要被淘汰了” 、在工程師的職業素養裏 ，不用拿績效 ，對吧？大家都在開玩笑。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。誰審查的這 500 行代碼
  ，你才不會對它生成的代碼抱有任何不切實際的“信任感”，在這個 AI 亂寫的時代裏，不要賦予 AI 情感、是帶著“人類傷疤”的。誰就老老實實為這 500 行代碼負 100% 的責任。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）、

  問他們怎麽寫的，複盤會上 ，一旦你心裏有了“這反正是 AI 寫的 ，答案出奇地一致 ：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，

  (责任编辑：焦點)