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