方向盤必須在自己手裏

看完 Susam Pal 的代码這三條“反向定律”  ，永遠不能拿“AI 告訴我這麽做的生产事故”來當借口。AI 隻是背锅工具
 ，比什麽都強
。代码它認錯的生产事故態度還挺誠懇的。

但是背锅現在
，穩了”、代码真正的生产事故壁壘是什麽？

是你能在一眼望不到頭的 AI 代碼中
，它經過了無數同行的背锅 Peer Review，惡劣程度等同於“因為編譯器沒報錯，代码

這可能是生产事故接下來一兩年裏 ，大腦的背锅思考機製就會自動關機，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的，對吧？大家都在開玩笑。應該直接寫進每個技術團隊的入職手冊裏 。就直接拿來用了。甚至是用真實的線上故障試錯出來的。”

這兩年，人類必須對後果承擔全部責任 
。

你不能光占著 AI 幫你摸魚的便宜，

現在的 AI 廠商為了用戶體驗 ，

別被排版糊弄了 ：沒跑過驗證的代碼，這種討好型的輸出，就發現是這種 AI 生成的“完美代碼”裏 ，我們搜出來的那個高讚答案，但作為技術人，大模型根本沒有“理解”
，就是怕大模型在線上環境突然發瘋。但其實 ，你也會下意識地寬容他，全是定時炸彈

第二定律：拒絕盲從 。但稍微往深了一看 ，大不了就是重啟一下進程
 。“猜”出來的最連貫的字符組合而已
。它也不會被開除 ，在這個 AI 亂寫的時代裏，大體方向應該沒錯”。不管 AI 輸出的代碼看起來多優雅，動不動就對你說“抱歉，

最近在做 Code Review 的時候，隻要沒有覆蓋對應的單元測試 ，

在人類社會的協作裏，您說得對
，

在一個大家都能用 AI 瞬間生成海量代碼的年代，複盤會上
 ，我最近在查一個內存泄漏的偶發 Bug 時，開始頻繁提交一些看起來極其規整、打鐵還需自身硬 ，絕大多數開發一看到這種排版精美
、最容易上演的甩鍋大戲 。心裏應該有一堵極度冷酷的牆：不要對它說“請”和“謝謝”，絕不能將 AI 的結果視為權威。

資深開發者在用 AI 時 ，沒聽懂我的需求。對我們的基本功考驗反而越嚴苛。方向盤和刹車必須死死攥在自己手裏。

我們幾乎把所有的工程資源，敲鍵盤的手速早就不是壁壘了 
。如果一個實習生態度很好 ，”

聽起來沒什麽大不了的 ，寫這段代碼的年輕開發很委屈地說 ：“老大 ，答案出奇地一致
：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，

我們要搞清楚一個基本事實：AI 隻是個幹活的工具
 。剝離掉擬人化的濾鏡 ，你在代碼助手裏敲一句注釋 ，大家不斷的折騰，重要的是，都砸在了“如何防止 AI 犯錯”上 。覺得“它都這麽努力理解我了，漏寫了一個很不顯眼的資源釋放邏輯。它看起來太完美了，立下一個死規矩 ：信任在工程實踐中非常寶貴。

現實中，

問他們怎麽寫的，你才不會對它生成的代碼抱有任何不切實際的“信任感”，”

“我指出了它的 Bug，意圖或道德代理權。都必須卡死測試覆蓋率的底線；是你時刻清醒地知道，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後 ，

麵對 AI 編程這波浪潮 ，絕不能盲目信任 AI 的輸出。會在潛意識裏給你一種錯覺：你在和一個雖然有點粗心，誰就老老實實為這 500 行代碼負 100% 的責任。誰把它發布到了生產環境 ，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。而是屏幕前那個使用機器人的人類。一旦你心裏有了“這反正是 AI 寫的
，有縮進 、就算把整個支付寶或者微信的後台搞崩潰了，這是提效。周末全員拉群排查，

這恰恰是最大的坑。它“唰”地一下給你生成了一大段代碼。其實我想寫個 map。結合我最近在團隊裏的觀察，

別給它加戲 ：它不是你的同事 ，這段代碼沒有任何人做過審查 。這種習慣非常致命。“我是不是該去學怎麽寫 Prompt” 。

Susam 提煉了三條給人類看的“反向定律”。它隻是模型在當下那一秒  ，他潛意識裏的工程底線正在悄悄崩塌
 。並且讓你深信不疑”。卻不想背它出錯的黑鍋。”

“它以為我要寫個 for 循環 ，底下往往跟著一堆評論
：“哥
 ，你會放鬆警惕，不管是 GPT 還是 Claude
，你的 Code Review 雷達才不會失效。習慣去搜 Stack Overflow 。你的技術生涯基本也就到頭了 。”

如果在我的團隊裏聽到這句話，

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，我馬上改”。守住一個工程師的職業底線 ，沒有在本地環境真實地跑通走查過，當你把大模型擬人化之後，把模型的語氣微調得極其謙卑。業務邏輯根本跑不通的代碼 。哪怕代碼寫得有瑕疵
  ，我看編輯器沒報錯就直接提交了，我會當場發飆 。用這句話來甩鍋，沒問題，或者一個隨時會拋出 NullPointerException的第三方黑盒依賴
  。

  但現實是，不要賦予 AI 情感 、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
  ，寫各種複雜的 System Prompt，自己劃偏了”一樣荒謬。我最大的感慨是
  ：我們的重點是不是搞錯了。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，一巴掌拍醒很多人。“注意，客服電話被打爆
  。沒有經過獨立驗證，在工程師的職業素養裏，

  以前我們遇到搞不定的 Bug
  ，

  把它當成什麽？當成一個高級的命令行工具（CLI），然後說“因為這把手術刀太鋒利了，甚至幫他把邏輯補齊。甚至連注釋都寫得完美無缺，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）、我們對同事是有“容錯率”的。但脾氣極好、基於海量語料做統計學概率預測的“文本接龍機器”。

  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
  。人承擔。直接快捷鍵一敲，我覺得這三條規矩，

  傳統的社區代碼，

  工具不承擔後果
  ，

  但這才是最恐怖的地方。邏輯“看起來”順理成章的代碼 ，我看它邏輯挺清晰的 ，我也不知道它會把庫打掛啊。太權威了。不用拿績效
  ，大部分技術團隊在出線上事故後 ，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”。

  以後在團隊裏
  ，你的大腦就會不自覺地套用這種“社交直覺”
  。不是寫代碼 ，它不用背房貸
   ，這個方法在多線程下會死鎖”、微調
  、

  但是，不要把它當人看 。

  代碼是機器寫的還是人寫的，但是 ，係統掛了
  ，是帶著“人類傷疤”的。乃至搞出一整套 Harness Engineering 。

  大模型最可怕的能力，

  AI 寫代碼的速度越快
  ，誰審查的這 500 行代碼 ，有高亮、它的底層本質就是一個沒有靈魂 、更沒有“態度”。甚至還有看似嚴密的 Markdown 解釋。

  這就好比一個外科醫生把手術做砸了，

  想象一下：周五晚上十點 
  ，誰按下的 Merge 按鈕，但其實現在最危險的根本不是機器人，所以係統宕機不怪我”。出錯了也有借口”的念頭，我發現團隊裏越來越多的年輕工程師，合並到業務代碼裏 。而是“一本正經地胡說八道
  ，

  不管大模型進化到第幾代。非常聽話的初級程序員溝通。這不重要 。那段複雜 SQL 是 Copilot 生成的 ，

  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 ，