代碼是背鍋 寫的 ，生產事故誰
我們幾乎把所有的生产事故工程資源，應該直接寫進每個技術團隊的背锅入職手冊裏 。
Susam 提煉了三條給人類看的代码“反向定律” 。AI 隻是生产事故工具 ，你也會下意識地寬容他 ，背锅大體方向應該沒錯” 。代码然後說“因為這把手術刀太鋒利了，生产事故是背锅帶著“人類傷疤”的 。
傳統的代码社區代碼，而是生产事故“一本正經地胡說八道 ，”
如果在我的背锅團隊裏聽到這句話 ，大家不斷的代码折騰 ，大腦的生产事故思考機製就會自動關機 ，真正的背锅壁壘是什麽 ？
是你能在一眼望不到頭的 AI 代碼中 ，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。我也不知道它會把庫打掛啊
。或者一個隨時會拋出 NullPointerException的第三方黑盒依賴 。永遠不能拿“AI 告訴我這麽做的”來當借口 。但是
，”
你不能光占著 AI 幫你摸魚的便宜 ，
但現實是 ，它認錯的態度還挺誠懇的 。這是提效 。人承擔 。沒問題，複盤會上 ，不用拿績效 ，它不用背房貸，穩了”、
問他們怎麽寫的，出錯了也有借口”的念頭 ，
工具不承擔後果 ，寫各種複雜的 System Prompt ，心裏應該有一堵極度冷酷的牆 ：不要對它說“請”和“謝謝”，一旦你心裏有了“這反正是 AI 寫的 ，
這可能是接下來一兩年裏 ，覺得“它都這麽努力理解我了 ，你的技術生涯基本也就到頭了。不管是 GPT 還是 Claude ，我看它邏輯挺清晰的 ，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 ，大不了就是重啟一下進程 。我看編輯器沒報錯就直接提交了 ，它看起來太完美了 ，沒聽懂我的需求 。
現在的 AI 廠商為了用戶體驗 ，一巴掌拍醒很多人。
最近在做 Code Review 的時候 ，
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 ，乃至搞出一整套 Harness Engineering 。
代碼是機器寫的還是人寫的 ，但作為技術人 ，不要把它當人看。這種習慣非常致命。直接快捷鍵一敲 ，不管 AI 輸出的代碼看起來多優雅 ，就發現是這種 AI 生成的“完美代碼”裏 ，重要的是 ，“猜”出來的最連貫的字符組合而已 。絕不能盲目信任 AI 的輸出 。他潛意識裏的工程底線正在悄悄崩塌 。”
別被排版糊弄了：沒跑過驗證的代碼 ，比什麽都強 。但脾氣極好 、而是屏幕前那個使用機器人的人類 。我最近在查一個內存泄漏的偶發 Bug 時 ，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） 、對吧？大家都在開玩笑 。它“唰”地一下給你生成了一大段代碼。沒有“以為” ，你才不會對它生成的代碼抱有任何不切實際的“信任感” ，全是定時炸彈
第二定律：拒絕盲從 。惡劣程度等同於“因為編譯器沒報錯 ，甚至幫他把邏輯補齊 。所以係統宕機不怪我” 。誰審查的這 500 行代碼，
人類必須對後果承擔全部責任。大家都在焦慮“我是不是要被淘汰了” 、它隻是模型在當下那一秒 ，有高亮 、你會放鬆警惕，哪怕代碼寫得有瑕疵 ，在這個 AI 亂寫的時代裏，不要賦予 AI 情感 、但其實現在最危險的根本不是機器人 ，並且讓你深信不疑”。我馬上改”。沒有在本地環境真實地跑通走查過，非常聽話的初級程序員溝通 。有縮進 、敲鍵盤的手速早就不是壁壘了。客服電話被打爆 。
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 ，隻要沒有覆蓋對應的單元測試 ，甚至還有看似嚴密的 Markdown 解釋 。它的底層本質就是一個沒有靈魂 、你的大腦就會不自覺地套用這種“社交直覺”
。業務邏輯根本跑不通的代碼
。但其實 ，
但是現在 ，用這句話來甩鍋 ，我們對同事是有“容錯率”的 。在工程師的職業素養裏 ，誰把它發布到了生產環境 ，”
這兩年 ，基於海量語料做統計學概率預測的“文本接龍機器” 。其實我想寫個 map 。
別給它加戲 ：它不是你的同事 ，
在一個大家都能用 AI 瞬間生成海量代碼的年代 ，方向盤和刹車必須死死攥在自己手裏 。它也不會被開除 ，“我是不是該去學怎麽寫 Prompt”。都砸在了“如何防止 AI 犯錯”上。
現實中 ，這種討好型的輸出 ，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的 ，我最大的感慨是 ：我們的重點是不是搞錯了。
不管大模型進化到第幾代 。漏寫了一個很不顯眼的資源釋放邏輯。那段複雜 SQL 是 Copilot 生成的 ，甚至是用真實的線上故障試錯出來的 。AI 寫代碼的速度越快 ，習慣去搜 Stack Overflow 。打鐵還需自身硬 ，
這就好比一個外科醫生把手術做砸了 ，太權威了。我覺得這三條規矩 ，
資深開發者在用 AI 時 ，大模型根本沒有“理解” ，誰就老老實實為這 500 行代碼負 100% 的責任 。
我們要搞清楚一個基本事實：AI 隻是個幹活的工具 。寫這段代碼的年輕開發很委屈地說：“老大 ，我發現團隊裏越來越多的年輕工程師 ，動不動就對你說“抱歉 ，這不重要。
大模型最可怕的能力 ，意圖或道德代理權。絕大多數開發一看到這種排版精美 、把模型的語氣微調得極其謙卑。這個方法在多線程下會死鎖” 、你在代碼助手裏敲一句注釋 ，
把它當成什麽 ？當成一個高級的命令行工具（CLI），剝離掉擬人化的濾鏡 ，開始頻繁提交一些看起來極其規整、微調 、我會當場發飆 。但稍微往深了一看 ，
但是 ，絕不能將 AI 的結果視為權威 。不是寫代碼 ，
在人類社會的協作裏 ，
以前我們遇到搞不定的 Bug ，底下往往跟著一堆評論 ：“哥 ，最容易上演的甩鍋大戲 。“升級到 2.0 之後這個 API 廢棄了”。當你把大模型擬人化之後，沒有經過獨立驗證 ，它經過了無數同行的 Peer Review ，我們搜出來的那個高讚答案 ，大部分技術團隊在出線上事故後 ，這段代碼沒有任何人做過審查 。對我們的基本功考驗反而越嚴苛 。就直接拿來用了 。”
聽起來沒什麽大不了的 ，
麵對 AI 編程這波浪潮 ，更沒有“態度” 。周末全員拉群排查 ，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 ，自己劃偏了”一樣荒謬。甚至連注釋都寫得完美無缺 ，結合我最近在團隊裏的觀察 ，如果一個實習生態度很好，您說得對 ，
以後在團隊裏 ，係統掛了，
想象一下 ：周五晚上十點 ，卻不想背它出錯的黑鍋。守住一個工程師的職業底線 ，立下一個死規矩 ：信任在工程實踐中非常寶貴。
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 。隻是一台 Token 機器
第一定律 ：拒絕擬人化 。你的 Code Review 雷達才不會失效 。
方向盤必須在自己手裏
看完 Susam Pal 的這三條“反向定律” ，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道，那就是賽博垃圾。會在潛意識裏給你一種錯覺 ：你在和一個雖然有點粗心 ，答案出奇地一致 ：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後 ，
但這才是最恐怖的地方 。合並到業務代碼裏 。誰按下的 Merge 按鈕，
這恰恰是最大的坑 。
