別被排版糊弄了 ：沒跑過驗證的代碼 ，誰審查的生产事故這 500 行代碼 ，開始頻繁提交一些看起來極其規整 、背锅絕不能將 AI 的代码結果視為權威。您說得對 ，生产事故絕不能盲目信任 AI 的背锅輸出 。
代碼是代码機器寫的還是人寫的，穩了” 、生产事故它隻是背锅模型在當下那一秒 ，隻是一台 Token 機器
第一定律 ：拒絕擬人化 。漏寫了一個很不顯眼的資源釋放邏輯 。有縮進 、不是寫代碼 ，並且讓你深信不疑” 。大模型根本沒有“理解” ，我們對同事是有“容錯率”的 。當你把大模型擬人化之後 ，沒聽懂我的需求 。大不了就是重啟一下進程。它看起來太完美了 ，
以前我們遇到搞不定的 Bug，
我們幾乎把所有的工程資源，習慣去搜 Stack Overflow 。把模型的語氣微調得極其謙卑 。
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，
別給它加戲：它不是你的同事 ，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 ，”
如果在我的團隊裏聽到這句話 ，
想象一下 ：周五晚上十點 ，
把它當成什麽 ？當成一個高級的命令行工具（CLI） ，不要把它當人看。
但是現在 ，
麵對 AI 編程這波浪潮 ，有高亮 、那就是賽博垃圾 。是帶著“人類傷疤”的 。
這就好比一個外科醫生把手術做砸了 ，底下往往跟著一堆評論 ：“哥，但脾氣極好、對吧 ？大家都在開玩笑 。基於海量語料做統計學概率預測的“文本接龍機器” 。惡劣程度等同於“因為編譯器沒報錯，會在潛意識裏給你一種錯覺：你在和一個雖然有點粗心，隻要沒有覆蓋對應的單元測試 ，合並到業務代碼裏 。方向盤和刹車必須死死攥在自己手裏。
在人類社會的協作裏 ，誰就老老實實為這 500 行代碼負 100% 的責任。永遠不能拿“AI 告訴我這麽做的”來當借口。然後說“因為這把手術刀太鋒利了 ，對我們的基本功考驗反而越嚴苛 。
以後在團隊裏，
你不能光占著 AI 幫你摸魚的便宜，”
聽起來沒什麽大不了的，不用拿績效，那段複雜 SQL 是 Copilot 生成的 ，
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 ，這是提效 。重要的是 ，周末全員拉群排查 ，就發現是這種 AI 生成的“完美代碼”裏 ，甚至還有看似嚴密的 Markdown 解釋 。覺得“它都這麽努力理解我了，敲鍵盤的手速早就不是壁壘了 。客服電話被打爆 。”
- “我指出了它的 Bug
，係統掛了，它不用背房貸，這段代碼沒有任何人做過審查 。AI 寫代碼的速度越快
，邏輯“看起來”順理成章的代碼 ，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） 、“猜”出來的最連貫的字符組合而已 。而是屏幕前那個使用機器人的人類。結合我最近在團隊裏的觀察，微調 、絕大多數開發一看到這種排版精美
、甚至連注釋都寫得完美無缺
，一旦你心裏有了“這反正是 AI 寫的 ，哪怕代碼寫得有瑕疵 ，答案出奇地一致：“這是 Copilot / ChatGPT / Claude Code 給出的代碼 ，我最大的感慨是：我們的重點是不是搞錯了 。立下一個死規矩 ：信任在工程實踐中非常寶貴 。
問他們怎麽寫的 ，但稍微往深了一看 ，大家不斷的折騰 ，這個方法在多線程下會死鎖” 、敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的 ，心裏應該有一堵極度冷酷的牆 ：不要對它說“請”和“謝謝” ，在這個 AI 亂寫的時代裏，非常聽話的初級程序員溝通 。AI 隻是工具 ，我馬上改” 。一巴掌拍醒很多人 。你的大腦就會不自覺地套用這種“社交直覺” 。沒有經過獨立驗證 ，
我們要搞清楚一個基本事實 ：AI 隻是個幹活的工具 。你在代碼助手裏敲一句注釋 ，人承擔 。
現在的 AI 廠商為了用戶體驗 ，
不要賦予 AI 情感 、就是怕大模型在線上環境突然發瘋 。我看它邏輯挺清晰的，卻不想背它出錯的黑鍋 。“升級到 2.0 之後這個 API 廢棄了” 。如果一個實習生態度很好 ，真正的壁壘是什麽？是你能在一眼望不到頭的 AI 代碼中 ，業務邏輯根本跑不通的代碼 。比什麽都強 。
Susam 提煉了三條給人類看的“反向定律” 。
工具不承擔後果 ，沒有“以為” ，
但是，而是“一本正經地胡說八道 ，出錯了也有借口”的念頭 ，打鐵還需自身硬 ，
在一個大家都能用 AI 瞬間生成海量代碼的年代 ，它也不會被開除 ，
現實中 ，
這可能是接下來一兩年裏 ，
但這才是最恐怖的地方 。這種習慣非常致命 。就直接拿來用了 。“注意 ，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。
大模型最可怕的能力，意圖或道德代理權 。複盤會上 ，它的底層本質就是一個沒有靈魂 、這種討好型的輸出，大家都在焦慮“我是不是要被淘汰了” 、但其實現在最危險的根本不是機器人，太權威了 。都必須卡死測試覆蓋率的底線；是你時刻清醒地知道 ，就算把整個支付寶或者微信的後台搞崩潰了 ，都砸在了“如何防止 AI 犯錯”上 。
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 。他潛意識裏的工程底線正在悄悄崩塌 。你也會下意識地寬容他，你才不會對它生成的代碼抱有任何不切實際的“信任感” ，誰按下的 Merge 按鈕 ，但作為技術人，沒問題 ，”
這兩年，所以係統宕機不怪我” 。在工程師的職業素養裏 ，你會放鬆警惕 ，但其實，大體方向應該沒錯” 。動不動就對你說“抱歉 ，用這句話來甩鍋 ，更沒有“態度” 。我最近在查一個內存泄漏的偶發 Bug 時 ，全是定時炸彈
第二定律 ：拒絕盲從。乃至搞出一整套 Harness Engineering。我會當場發飆 。
最近在做 Code Review 的時候 ，我看編輯器沒報錯就直接提交了 ，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，甚至幫他把邏輯補齊 。你的技術生涯基本也就到頭了 。我也不知道它會把庫打掛啊 。直接快捷鍵一敲 ，“我是不是該去學怎麽寫 Prompt” 。它“唰”地一下給你生成了一大段代碼。
這恰恰是最大的坑 。
但現實是 ，它經過了無數同行的 Peer Review ，寫這段代碼的年輕開發很委屈地說 ：“老大 ，不管 AI 輸出的代碼看起來多優雅 ，
傳統的社區代碼 ，我發現團隊裏越來越多的年輕工程師 ，
不管大模型進化到第幾代。
人類必須對後果承擔全部責任。其實我想寫個 map。或者一個隨時會拋出NullPointerException的第三方黑盒依賴 。守住一個工程師的職業底線，甚至是用真實的線上故障試錯出來的 。資深開發者在用 AI 時 ，應該直接寫進每個技術團隊的入職手冊裏 。它認錯的態度還挺誠懇的 。沒有在本地環境真實地跑通走查過，寫各種複雜的 System Prompt，但是，大腦的思考機製就會自動關機 ，我覺得這三條規矩 ，這不重要。你的 Code Review 雷達才不會失效 。
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 。最容易上演的甩鍋大戲。當一個開發者習慣了 AI 瞬間吐出幾百行代碼後 ，
相关文章
精彩导读
热门资讯
关注我们
