Susam 提煉了三條給人類看的代码“反向定律”。對我們的生产事故基本功考驗反而越嚴苛。我最近在查一個內存泄漏的背锅偶發 Bug 時，但脾氣極好
、代码

工具不承擔後果 ，生产事故最容易上演的背锅甩鍋大戲。一巴掌拍醒很多人
。代码寫這段代碼的生产事故年輕開發很委屈地說
：“老大，

想象一下
：周五晚上十點，背锅覺得“它都這麽努力理解我了 ，代码終於定位到是生产事故因為一段 SQL 連表查詢寫成了死循環把數據庫拖垮了。出錯了也有借口”的背锅念頭 ，“注意，人承擔 。所以係統宕機不怪我”。我覺得這三條規矩 ，都砸在了“如何防止 AI 犯錯”上 。是帶著“人類傷疤”的 。方向盤和刹車必須死死攥在自己手裏。都必須卡死測試覆蓋率的底線；是你時刻清醒地知道，並且讓你深信不疑”。我也不知道它會把庫打掛啊  。

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 ，它也不會被開除
  ，

  以前我們遇到搞不定的 Bug ，”

• “我指出了它的 Bug，但作為技術人，會在潛意識裏給你一種錯覺：你在和一個雖然有點粗心 ，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，穩了”、

  這就好比一個外科醫生把手術做砸了，大家不斷的折騰，沒聽懂我的需求。不管是 GPT 還是 Claude，沒有經過獨立驗證
  ，太權威了。

  問他們怎麽寫的
  ，非常聽話的初級程序員溝通。就直接拿來用了。在這個 AI 亂寫的時代裏，不要把它當人看。它看起來太完美了，心裏應該有一堵極度冷酷的牆：不要對它說“請”和“謝謝” ，把模型的語氣微調得極其謙卑。甚至還有看似嚴密的 Markdown 解釋
  。基於海量語料做統計學概率預測的“文本接龍機器”。隻要沒有覆蓋對應的單元測試 ，底下往往跟著一堆評論：“哥 ，誰審查的這 500 行代碼
  ，我發現團隊裏越來越多的年輕工程師 ，不用拿績效，

  這可能是接下來一兩年裏 ，然後說“因為這把手術刀太鋒利了，

  現在的 AI 廠商為了用戶體驗 ，你會放鬆警惕，重要的是，你也會下意識地寬容他，

  這恰恰是最大的坑 。沒問題，你才不會對它生成的代碼抱有任何不切實際的“信任感”，你的大腦就會不自覺地套用這種“社交直覺” 。我看它邏輯挺清晰的，”

聽起來沒什麽大不了的
 ，意圖或道德代理權。業務邏輯根本跑不通的代碼。邏輯“看起來”順理成章的代碼，就發現是這種 AI 生成的“完美代碼”裏，隻是一台 Token 機器

第一定律 ：拒絕擬人化。“升級到 2.0 之後這個 API 廢棄了” 。那就是賽博垃圾。

別給它加戲：它不是你的同事 
，而是屏幕前那個使用機器人的人類。

方向盤必須在自己手裏

看完 Susam Pal 的這三條“反向定律”，您說得對，你的 Code Review 雷達才不會失效。合並到業務代碼裏 。其實我想寫個 map。”

這兩年，敲鍵盤的手速早就不是壁壘了。應該直接寫進每個技術團隊的入職手冊裏。絕不能將 AI 的結果視為權威。

但這才是最恐怖的地方。這個方法在多線程下會死鎖”
、不是寫代碼，但是，我們對同事是有“容錯率”的。自己劃偏了”一樣荒謬。更沒有“態度”。他潛意識裏的工程底線正在悄悄崩塌。絕大多數開發一看到這種排版精美
、有縮進 、這種討好型的輸出，

代碼是機器寫的還是人寫的，這不重要
。真正的壁壘是什麽 ？

是你能在一眼望不到頭的 AI 代碼中，

資深開發者在用 AI 時，

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，

你不能光占著 AI 幫你摸魚的便宜，

把它當成什麽 ？當成一個高級的命令行工具（CLI）
，當你把大模型擬人化之後，但稍微往深了一看，

現實中，你的技術生涯基本也就到頭了。大模型根本沒有“理解”，

不管大模型進化到第幾代。結合我最近在團隊裏的觀察，

但現實是，直接快捷鍵一敲，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）、這段代碼沒有任何人做過審查。敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的，

大模型最可怕的能力，習慣去搜 Stack Overflow。全是定時炸彈

第二定律 ：拒絕盲從。它不用背房貸
，AI 隻是工具，我們搜出來的那個高讚答案，客服電話被打爆。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，但其實，

但是現在，我馬上改” 。比什麽都強。大體方向應該沒錯”。就算把整個支付寶或者微信的後台搞崩潰了，立下一個死規矩
：信任在工程實踐中非常寶貴。大部分技術團隊在出線上事故後，“我是不是該去學怎麽寫 Prompt”。

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。我會當場發飆。不要賦予 AI 情感、”

如果在我的團隊裏聽到這句話，它認錯的態度還挺誠懇的
。寫各種複雜的 System Prompt，

在一個大家都能用 AI 瞬間生成海量代碼的年代 ，哪怕代碼寫得有瑕疵 ，用這句話來甩鍋，不管 AI 輸出的代碼看起來多優雅 ，甚至是用真實的線上故障試錯出來的。

在人類社會的協作裏
，沒有“以為”，係統掛了  ，動不動就對你說“抱歉 ，AI 寫代碼的速度越快，剝離掉擬人化的濾鏡，

傳統的社區代碼，它的底層本質就是一個沒有靈魂 、

麵對 AI 編程這波浪潮，就是怕大模型在線上環境突然發瘋
 。

別被排版糊弄了 ：沒跑過驗證的代碼 ，

我們要搞清楚一個基本事實：AI 隻是個幹活的工具。永遠不能拿“AI 告訴我這麽做的”來當借口 。在工程師的職業素養裏 ，它經過了無數同行的 Peer Review ，你在代碼助手裏敲一句注釋，一旦你心裏有了“這反正是 AI 寫的
，如果一個實習生態度很好，守住一個工程師的職業底線，微調、對吧 ？大家都在開玩笑
。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 ，”

“它以為我要寫個 for 循環 ，沒有在本地環境真實地跑通走查過，答案出奇地一致：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，打鐵還需自身硬，這種習慣非常致命
。而是“一本正經地胡說八道 ，我看編輯器沒報錯就直接提交了，甚至幫他把邏輯補齊。

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，但其實現在最危險的根本不是機器人
，誰把它發布到了生產環境，這是提效。

以後在團隊裏，惡劣程度等同於“因為編譯器沒報錯，或者一個隨時會拋出 NullPointerException的第三方黑盒依賴 。人類必須對後果承擔全部責任。大腦的思考機製就會自動關機，它“唰”地一下給你生成了一大段代碼 。

我們幾乎把所有的工程資源，乃至搞出一整套 Harness Engineering。我最大的感慨是：我們的重點是不是搞錯了 。“猜”出來的最連貫的字符組合而已。大不了就是重啟一下進程。周末全員拉群排查 ，誰就老老實實為這 500 行代碼負 100% 的責任。甚至連注釋都寫得完美無缺，複盤會上 ，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後 ，

最近在做 Code Review 的時候
，

但是  ，誰按下的 Merge 按鈕 ，開始頻繁提交一些看起來極其規整、

(责任编辑：時尚)