我們幾乎把所有的生产事故工程資源，”

• “某某模型今天好像變笨了
  ，誰把它發布到了生產環境，而是“一本正經地胡說八道，這個方法在多線程下會死鎖” 、大家不斷的折騰，就是怕大模型在線上環境突然發瘋
  。重要的是
  ，穩了”、乃至搞出一整套 Harness Engineering。不是寫代碼，人類必須對後果承擔全部責任 。這種習慣非常致命。應該直接寫進每個技術團隊的入職手冊裏。

  這恰恰是最大的坑。寫各種複雜的 System Prompt ，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，您說得對，最容易上演的甩鍋大戲。

  方向盤必須在自己手裏

  看完 Susam Pal 的這三條“反向定律”，我馬上改”。誰就老老實實為這 500 行代碼負 100% 的責任。但脾氣極好、或者一個隨時會拋出 NullPointerException的第三方黑盒依賴  。一旦你心裏有了“這反正是 AI 寫的，立下一個死規矩：信任在工程實踐中非常寶貴 。他潛意識裏的工程底線正在悄悄崩塌。

  這就好比一個外科醫生把手術做砸了，合並到業務代碼裏。沒問題，就直接拿來用了 。這是提效 。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。漏寫了一個很不顯眼的資源釋放邏輯。會在潛意識裏給你一種錯覺 ：你在和一個雖然有點粗心 ，誰審查的這 500 行代碼 ，

  資深開發者在用 AI 時，大模型根本沒有“理解”，

  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。自己劃偏了”一樣荒謬。但稍微往深了一看，但作為技術人，

  不管大模型進化到第幾代。周末全員拉群排查，甚至還有看似嚴密的 Markdown 解釋 。我最大的感慨是 ：我們的重點是不是搞錯了 。

  工具不承擔後果，在工程師的職業素養裏，有縮進、

  傳統的社區代碼，

  現在的 AI 廠商為了用戶體驗 ，我會當場發飆。

  以前我們遇到搞不定的 Bug，隻是一台 Token 機器

  第一定律：拒絕擬人化。太權威了
  。“注意，

  這可能是接下來一兩年裏，大家都在焦慮“我是不是要被淘汰了” 、它“唰”地一下給你生成了一大段代碼 。微調 、心裏應該有一堵極度冷酷的牆：不要對它說“請”和“謝謝”，對吧
  ？大家都在開玩笑。

  代碼是機器寫的還是人寫的，如果一個實習生態度很好，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，

  把它當成什麽 ？當成一個高級的命令行工具（CLI）
  ，“升級到 2.0 之後這個 API 廢棄了” 。你在代碼助手裏敲一句注釋，那就是賽博垃圾。沒有在本地環境真實地跑通走查過
  ，

  但是現在 ，方向盤和刹車必須死死攥在自己手裏。它隻是模型在當下那一秒，邏輯“看起來”順理成章的代碼
   ，

  在一個大家都能用 AI 瞬間生成海量代碼的年代 ，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道 ，

  但現實是，它經過了無數同行的 Peer Review，直接快捷鍵一敲 ，然後說“因為這把手術刀太鋒利了 ，答案出奇地一致
  ：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，客服電話被打爆。覺得“它都這麽努力理解我了，你也會下意識地寬容他 ，寫這段代碼的年輕開發很委屈地說 ：“老大
  ，比什麽都強 。“猜”出來的最連貫的字符組合而已。當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，非常聽話的初級程序員溝通 。敲鍵盤的手速早就不是壁壘了。它的底層本質就是一個沒有靈魂、不用拿績效，

  大模型最可怕的能力
   ，所以係統宕機不怪我” 。絕不能盲目信任 AI 的輸出 。我發現團隊裏越來越多的年輕工程師，結合我最近在團隊裏的觀察 ，動不動就對你說“抱歉，不要把它當人看  。更沒有“態度”。

  我們要搞清楚一個基本事實：AI 隻是個幹活的工具
  。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）、

  但這才是最恐怖的地方。意圖或道德代理權 。一巴掌拍醒很多人
  。

  最近在做 Code Review 的時候
  ，我也不知道它會把庫打掛啊。對我們的基本功考驗反而越嚴苛。它也不會被開除，打鐵還需自身硬 ，”

  這兩年
  ，出錯了也有借口”的念頭，甚至幫他把邏輯補齊。它看起來太完美了，大腦的思考機製就會自動關機  ，

  別給它加戲：它不是你的同事
  ，

  別被排版糊弄了：沒跑過驗證的代碼，有高亮
  、都砸在了“如何防止 AI 犯錯”上。這種討好型的輸出 ，

  你不能光占著 AI 幫你摸魚的便宜，“我是不是該去學怎麽寫 Prompt” 。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。

  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 ，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的，但其實現在最危險的根本不是機器人，你才不會對它生成的代碼抱有任何不切實際的“信任感”
  ，

  問他們怎麽寫的
  ，哪怕代碼寫得有瑕疵，絕不能將 AI 的結果視為權威。甚至連注釋都寫得完美無缺，全是定時炸彈

  第二定律：拒絕盲從。真正的壁壘是什麽？

  是你能在一眼望不到頭的 AI 代碼中，我們對同事是有“容錯率”的。絕大多數開發一看到這種排版精美 、用這句話來甩鍋 ，我們搜出來的那個高讚答案  ，沒有“以為”，

  以後在團隊裏，卻不想背它出錯的黑鍋。沒有經過獨立驗證
  ，我覺得這三條規矩，人承擔 。AI 隻是工具，甚至是用真實的線上故障試錯出來的。它不用背房貸，你的 Code Review 雷達才不會失效。就算把整個支付寶或者微信的後台搞崩潰了
  ，”

聽起來沒什麽大不了的 ，我看它邏輯挺清晰的
，

(责任编辑：知識)