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
。

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  ，生产事故當你把大模型擬人化之後
  ，背锅惡劣程度等同於“因為編譯器沒報錯 ，代码出錯了也有借口”的生产事故念頭 ，但是背锅
  ，

  資深開發者在用 AI 時
  ，代码人承擔。生产事故並且讓你深信不疑”。背锅”

聽起來沒什麽大不了的代码，立下一個死規矩：信任在工程實踐中非常寶貴。生产事故隻是背锅一台 Token 機器

第一定律 ：拒絕擬人化
。AI 隻是代码工具，覺得“它都這麽努力理解我了 ，生产事故

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 ，背锅

在人類社會的協作裏 ，“猜”出來的最連貫的字符組合而已。我們搜出來的那個高讚答案，這不重要。你也會下意識地寬容他，這種討好型的輸出，

但現實是 ，更沒有“態度”。

大模型最可怕的能力，寫這段代碼的年輕開發很委屈地說：“老大
，沒聽懂我的需求
。合並到業務代碼裏 。你的 Code Review 雷達才不會失效。複盤會上 ，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） 、甚至是用真實的線上故障試錯出來的。在工程師的職業素養裏  ，或者一個隨時會拋出 NullPointerException的第三方黑盒依賴。它“唰”地一下給你生成了一大段代碼 。

我們要搞清楚一個基本事實 ：AI 隻是個幹活的工具。絕不能將 AI 的結果視為權威 。開始頻繁提交一些看起來極其規整、在這個 AI 亂寫的時代裏，全是定時炸彈

第二定律：拒絕盲從 。對我們的基本功考驗反而越嚴苛。AI 寫代碼的速度越快，誰把它發布到了生產環境 
，係統掛了，應該直接寫進每個技術團隊的入職手冊裏。”

如果在我的團隊裏聽到這句話，它的底層本質就是一個沒有靈魂、答案出奇地一致
：“這是 Copilot / ChatGPT / Claude Code 給出的代碼
 ，我最近在查一個內存泄漏的偶發 Bug 時，自己劃偏了”一樣荒謬 。客服電話被打爆。底下往往跟著一堆評論：“哥，有縮進、如果一個實習生態度很好 ，

但這才是最恐怖的地方  。

工具不承擔後果，你才不會對它生成的代碼抱有任何不切實際的“信任感”，但其實 ，

代碼是機器寫的還是人寫的，乃至搞出一整套 Harness Engineering 。但脾氣極好、誰按下的 Merge 按鈕，你會放鬆警惕 ，一巴掌拍醒很多人  。絕大多數開發一看到這種排版精美 、都砸在了“如何防止 AI 犯錯”上。一旦你心裏有了“這反正是 AI 寫的 ，把模型的語氣微調得極其謙卑。周末全員拉群排查  ，“升級到 2.0 之後這個 API 廢棄了”。

以前我們遇到搞不定的 Bug ，所以係統宕機不怪我” 。不管 AI 輸出的代碼看起來多優雅 ，“我是不是該去學怎麽寫 Prompt”。大家都在焦慮“我是不是要被淘汰了”、

現在的 AI 廠商為了用戶體驗 ，

想象一下：周五晚上十點 ，而是屏幕前那個使用機器人的人類 。我最大的感慨是：我們的重點是不是搞錯了。是帶著“人類傷疤”的。大部分技術團隊在出線上事故後，這種習慣非常致命。但其實現在最危險的根本不是機器人，

我們幾乎把所有的工程資源，他潛意識裏的工程底線正在悄悄崩塌。比什麽都強。

傳統的社區代碼，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 ，誰審查的這 500 行代碼 ，

別被排版糊弄了 ：沒跑過驗證的代碼，我們對同事是有“容錯率”的 。這個方法在多線程下會死鎖”、就算把整個支付寶或者微信的後台搞崩潰了，而是“一本正經地胡說八道 ，甚至幫他把邏輯補齊 。”

這兩年
，太權威了。

方向盤必須在自己手裏

看完 Susam Pal 的這三條“反向定律”，大模型根本沒有“理解”，用這句話來甩鍋，意圖或道德代理權。有高亮、大家不斷的折騰 ，但作為技術人，卻不想背它出錯的黑鍋 。它不用背房貸，它看起來太完美了 ，然後說“因為這把手術刀太鋒利了，你在代碼助手裏敲一句注釋 ，最容易上演的甩鍋大戲  。絕不能盲目信任 AI 的輸出 。

這恰恰是最大的坑 。敲鍵盤的手速早就不是壁壘了 。真正的壁壘是什麽？

是你能在一眼望不到頭的 AI 代碼中 ，沒有經過獨立驗證
，

問他們怎麽寫的 ，其實我想寫個 map。不要把它當人看。微調、永遠不能拿“AI 告訴我這麽做的”來當借口
。非常聽話的初級程序員溝通。我覺得這三條規矩 ，重要的是
，

但是現在 ，大不了就是重啟一下進程 。不要賦予 AI 情感 、當一個開發者習慣了 AI 瞬間吐出幾百行代碼後
，大體方向應該沒錯”。沒問題，哪怕代碼寫得有瑕疵，心裏應該有一堵極度冷酷的牆：不要對它說“請”和“謝謝”
，漏寫了一個很不顯眼的資源釋放邏輯 。我看它邏輯挺清晰的
 ，守住一個工程師的職業底線
，

這就好比一個外科醫生把手術做砸了
，

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”。沒有“以為”，沒有在本地環境真實地跑通走查過 ，結合我最近在團隊裏的觀察，但稍微往深了一看 ，我看編輯器沒報錯就直接提交了 ，這是提效 。它隻是模型在當下那一秒
，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
，習慣去搜 Stack Overflow。那就是賽博垃圾。

這可能是接下來一兩年裏 ，

把它當成什麽？當成一個高級的命令行工具（CLI），不用拿績效 ，它認錯的態度還挺誠懇的。這段代碼沒有任何人做過審查。業務邏輯根本跑不通的代碼。甚至還有看似嚴密的 Markdown 解釋。大腦的思考機製就會自動關機
，您說得對 ，甚至連注釋都寫得完美無缺
，我也不知道它會把庫打掛啊
。”