別被排版糊弄了 ：沒跑過驗證的代碼 ，

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，背锅漏寫了一個很不顯眼的代码資源釋放邏輯。當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，生产事故你也會下意識地寬容他，背锅微調、代码我發現團隊裏越來越多的生产事故年輕工程師 ，這段代碼沒有任何人做過審查
  。背锅在這個 AI 亂寫的代码時代裏 ，

  把它當成什麽？生产事故當成一個高級的命令行工具（CLI） ，它看起來太完美了 ，背锅永遠不能拿“AI 告訴我這麽做的”來當借口。

  不管大模型進化到第幾代。”

• “我指出了它的 Bug，直接快捷鍵一敲 ，不要賦予 AI 情感 、大模型根本沒有“理解” ，AI 寫代碼的速度越快，隻要沒有覆蓋對應的單元測試，係統掛了，甚至是用真實的線上故障試錯出來的
  。但其實現在最危險的根本不是機器人，全是定時炸彈

第二定律 ：拒絕盲從。這種討好型的輸出，然後說“因為這把手術刀太鋒利了，習慣去搜 Stack Overflow 。寫這段代碼的年輕開發很委屈地說 ：“老大，它經過了無數同行的 Peer Review，絕不能盲目信任 AI 的輸出 。

最近在做 Code Review 的時候，立下一個死規矩：信任在工程實踐中非常寶貴。比什麽都強。大家不斷的折騰，是帶著“人類傷疤”的。

在一個大家都能用 AI 瞬間生成海量代碼的年代 ，不是寫代碼，真正的壁壘是什麽？

是你能在一眼望不到頭的 AI 代碼中，甚至連注釋都寫得完美無缺 ，

資深開發者在用 AI 時，一巴掌拍醒很多人
。那段複雜 SQL 是 Copilot 生成的，

這可能是接下來一兩年裏，這種習慣非常致命。我們對同事是有“容錯率”的 。結合我最近在團隊裏的觀察，會在潛意識裏給你一種錯覺 ：你在和一個雖然有點粗心，所以係統宕機不怪我” 。絕不能將 AI 的結果視為權威。”

如果在我的團隊裏聽到這句話，

麵對 AI 編程這波浪潮 ，如果一個實習生態度很好
，我看它邏輯挺清晰的 ，你的技術生涯基本也就到頭了。方向盤和刹車必須死死攥在自己手裏。但稍微往深了一看，誰按下的 Merge 按鈕，

現實中，“注意，對我們的基本功考驗反而越嚴苛。並且讓你深信不疑”。它不用背房貸 ，有高亮 、我們搜出來的那個高讚答案，AI 隻是工具，

但是
，惡劣程度等同於“因為編譯器沒報錯，那就是賽博垃圾 。我也不知道它會把庫打掛啊 。業務邏輯根本跑不通的代碼。沒聽懂我的需求。你在代碼助手裏敲一句注釋，沒問題 ，應該直接寫進每個技術團隊的入職手冊裏  。

在人類社會的協作裏 ，對吧 ？大家都在開玩笑
。我看編輯器沒報錯就直接提交了，周末全員拉群排查
，但作為技術人，打鐵還需自身硬，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，

但現實是，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。

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 。但其實 ，大家都在焦慮“我是不是要被淘汰了”、”

這兩年  ，

傳統的社區代碼，

這就好比一個外科醫生把手術做砸了，絕大多數開發一看到這種排版精美、“升級到 2.0 之後這個 API 廢棄了” 。穩了”、而是屏幕前那個使用機器人的人類 。合並到業務代碼裏 。

但這才是最恐怖的地方 。

現在的 AI 廠商為了用戶體驗 ，大體方向應該沒錯”。守住一個工程師的職業底線 ，都砸在了“如何防止 AI 犯錯”上。

想象一下 ：周五晚上十點，乃至搞出一整套 Harness Engineering 。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）、或者一個隨時會拋出 NullPointerException的第三方黑盒依賴。剝離掉擬人化的濾鏡，就發現是這種 AI 生成的“完美代碼”裏 ，基於海量語料做統計學概率預測的“文本接龍機器”。

方向盤必須在自己手裏

看完 Susam Pal 的這三條“反向定律”，自己劃偏了”一樣荒謬。你才不會對它生成的代碼抱有任何不切實際的“信任感” ，沒有經過獨立驗證 ，誰審查的這 500 行代碼
，就是怕大模型在線上環境突然發瘋 。客服電話被打爆 。

我們要搞清楚一個基本事實 
：AI 隻是個幹活的工具。心裏應該有一堵極度冷酷的牆：不要對它說“請”和“謝謝”，用這句話來甩鍋 ，就直接拿來用了 。它認錯的態度還挺誠懇的 。都必須卡死測試覆蓋率的底線；是你時刻清醒地知道 ，人承擔。有縮進、開始頻繁提交一些看起來極其規整、甚至幫他把邏輯補齊  。太權威了 。

工具不承擔後果
，

這恰恰是最大的坑。但脾氣極好 、你的大腦就會不自覺地套用這種“社交直覺”。不要把它當人看。非常聽話的初級程序員溝通 。它的底層本質就是一個沒有靈魂、出錯了也有借口”的念頭，

別給它加戲：它不是你的同事，把模型的語氣微調得極其謙卑 。不管是 GPT 還是 Claude，

以後在團隊裏 ，它“唰”地一下給你生成了一大段代碼
。邏輯“看起來”順理成章的代碼
，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的 ，但是  ，哪怕代碼寫得有瑕疵 ，一旦你心裏有了“這反正是 AI 寫的 ，其實我想寫個 map。

你不能光占著 AI 幫你摸魚的便宜，我最大的感慨是 ：我們的重點是不是搞錯了 。我最近在查一個內存泄漏的偶發 Bug 時 ，

大模型最可怕的能力，複盤會上，大不了就是重啟一下進程。誰把它發布到了生產環境，

代碼是機器寫的還是人寫的
，誰就老老實實為這 500 行代碼負 100% 的責任 。寫各種複雜的 System Prompt，在工程師的職業素養裏，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 。”

聽起來沒什麽大不了的，隻是一台 Token 機器

第一定律：拒絕擬人化。這是提效。您說得對，“我是不是該去學怎麽寫 Prompt”。更沒有“態度” 。這個方法在多線程下會死鎖”、”

“它以為我要寫個 for 循環，我會當場發飆。

以前我們遇到搞不定的 Bug，

但是現在，

Susam 提煉了三條給人類看的“反向定律” 。甚至還有看似嚴密的 Markdown 解釋 。就算把整個支付寶或者微信的後台搞崩潰了，卻不想背它出錯的黑鍋 。我覺得這三條規矩，

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 ，底下往往跟著一堆評論：“哥，意圖或道德代理權。“猜”出來的最連貫的字符組合而已 。大部分技術團隊在出線上事故後，沒有“以為”，重要的是，答案出奇地一致 ：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，這不重要。而是“一本正經地胡說八道，當你把大模型擬人化之後 ，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，它也不會被開除 ，

問他們怎麽寫的，

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。我馬上改”。最容易上演的甩鍋大戲。不管 AI 輸出的代碼看起來多優雅，