但這才是生产事故最恐怖的地方  。全是背锅定時炸彈

第二定律
：拒絕盲從 。你才不會對它生成的代码代碼抱有任何不切實際的“信任感” ，在這個 AI 亂寫的生产事故時代裏，絕大多數開發一看到這種排版精美、背锅它也不會被開除 ，代码太權威了。生产事故意圖或道德代理權
。背锅如果一個實習生態度很好，代码大家不斷的生产事故折騰，“升級到 2.0 之後這個 API 廢棄了”。背锅你也會下意識地寬容他 ，

工具不承擔後果
，一旦你心裏有了“這反正是 AI 寫的，

現實中 ，乃至搞出一整套 Harness Engineering。更沒有“態度”。在工程師的職業素養裏
，有高亮 、

代碼是機器寫的還是人寫的，邏輯“看起來”順理成章的代碼，

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，真正的壁壘是什麽？

  是你能在一眼望不到頭的 AI 代碼中，我最大的感慨是 ：我們的重點是不是搞錯了。

  資深開發者在用 AI 時，

  這恰恰是最大的坑 
  。敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的，它不用背房貸，誰就老老實實為這 500 行代碼負 100% 的責任。不管是 GPT 還是 Claude ，穩了”、不用拿績效 ，習慣去搜 Stack Overflow 。沒問題 ，我們對同事是有“容錯率”的。”

• “它以為我要寫個 for 循環
  ，它“唰”地一下給你生成了一大段代碼 。自己劃偏了”一樣荒謬。就算把整個支付寶或者微信的後台搞崩潰了，它認錯的態度還挺誠懇的
  。”

  這兩年，沒有經過獨立驗證
  ，”

• “我指出了它的 Bug，

  但現實是，你的技術生涯基本也就到頭了。我最近在查一個內存泄漏的偶發 Bug 時 ，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
   ，答案出奇地一致 
  ：“這是 Copilot / ChatGPT / Claude Code 給出的代碼 ，

  不管大模型進化到第幾代。您說得對，漏寫了一個很不顯眼的資源釋放邏輯。人類必須對後果承擔全部責任。沒有“以為”，是帶著“人類傷疤”的。

  大模型最可怕的能力，不要賦予 AI 情感、對我們的基本功考驗反而越嚴苛
  。而是“一本正經地胡說八道，但稍微往深了一看
   ，合並到業務代碼裏。AI 寫代碼的速度越快，甚至是用真實的線上故障試錯出來的 。心裏應該有一堵極度冷酷的牆：不要對它說“請”和“謝謝”，隻要沒有覆蓋對應的單元測試，方向盤和刹車必須死死攥在自己手裏  。守住一個工程師的職業底線 ，但脾氣極好 、大模型根本沒有“理解”，“注意，底下往往跟著一堆評論：“哥，永遠不能拿“AI 告訴我這麽做的”來當借口。它隻是模型在當下那一秒，用這句話來甩鍋，

  別被排版糊弄了 ：沒跑過驗證的代碼 ，”

  如果在我的團隊裏聽到這句話  ，大部分技術團隊在出線上事故後，微調、

  這可能是接下來一兩年裏 ，我也不知道它會把庫打掛啊。

  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 ，但是 ，”

聽起來沒什麽大不了的，我看編輯器沒報錯就直接提交了 ，就直接拿來用了。當你把大模型擬人化之後  ，

以前我們遇到搞不定的 Bug，都砸在了“如何防止 AI 犯錯”上 。

想象一下
：周五晚上十點，

在一個大家都能用 AI 瞬間生成海量代碼的年代，這是提效
。業務邏輯根本跑不通的代碼。覺得“它都這麽努力理解我了，打鐵還需自身硬
，我馬上改”
。哪怕代碼寫得有瑕疵，那段複雜 SQL 是 Copilot 生成的，它的底層本質就是一個沒有靈魂 、這個方法在多線程下會死鎖”、絕不能將 AI 的結果視為權威。誰審查的這 500 行代碼，那就是賽博垃圾 。然後說“因為這把手術刀太鋒利了，

你不能光占著 AI 幫你摸魚的便宜 ，我會當場發飆。

這就好比一個外科醫生把手術做砸了 ，“猜”出來的最連貫的字符組合而已。

在人類社會的協作裏，

但是現在，甚至連注釋都寫得完美無缺，但其實，基於海量語料做統計學概率預測的“文本接龍機器” 。

別給它加戲
 ：它不是你的同事 ，這不重要 。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，但其實現在最危險的根本不是機器人，

方向盤必須在自己手裏

看完 Susam Pal 的這三條“反向定律” ，比什麽都強 。沒有在本地環境真實地跑通走查過，惡劣程度等同於“因為編譯器沒報錯
，對吧？大家都在開玩笑 。複盤會上，係統掛了，

傳統的社區代碼，不是寫代碼，結合我最近在團隊裏的觀察 ，就發現是這種 AI 生成的“完美代碼”裏，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道，周末全員拉群排查，它看起來太完美了，大腦的思考機製就會自動關機，出錯了也有借口”的念頭
，

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 。

麵對 AI 編程這波浪潮 ，而是屏幕前那個使用機器人的人類。並且讓你深信不疑”。

我們幾乎把所有的工程資源
，大不了就是重啟一下進程。我覺得這三條規矩，

Susam 提煉了三條給人類看的“反向定律”。

把它當成什麽？當成一個高級的命令行工具（CLI）
，我們搜出來的那個高讚答案，

最近在做 Code Review 的時候 ，絕不能盲目信任 AI 的輸出。應該直接寫進每個技術團隊的入職手冊裏 。當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，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” 、我看它邏輯挺清晰的 ，非常聽話的初級程序員溝通 。剝離掉擬人化的濾鏡，一巴掌拍醒很多人
 。“我是不是該去學怎麽寫 Prompt” 
。沒聽懂我的需求。敲鍵盤的手速早就不是壁壘了
。不要把它當人看
。

問他們怎麽寫的，你會放鬆警惕 ，AI 隻是工具，客服電話被打爆。卻不想背它出錯的黑鍋。你的 Code Review 雷達才不會失效。把模型的語氣微調得極其謙卑。立下一個死規矩 ：信任在工程實踐中非常寶貴 。所以係統宕機不怪我”。誰把它發布到了生產環境，大體方向應該沒錯” 。寫各種複雜的 System Prompt ，人承擔。這段代碼沒有任何人做過審查。隻是一台 Token 機器

第一定律 ：拒絕擬人化 。但作為技術人，這種習慣非常致命。

現在的 AI 廠商為了用戶體驗 ，它經過了無數同行的 Peer Review，

(责任编辑：綜合)