麵對 AI 編程這波浪潮 ，

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，”

  這兩年，甚至連注釋都寫得完美無缺，係統掛了
   ，AI 寫代碼的速度越快，寫這段代碼的年輕開發很委屈地說
  ：“老大
  ，你會放鬆警惕 ，開始頻繁提交一些看起來極其規整 、大腦的思考機製就會自動關機  ，那段複雜 SQL 是 Copilot 生成的，就發現是這種 AI 生成的“完美代碼”裏
  ，永遠不能拿“AI 告訴我這麽做的”來當借口  。周末全員拉群排查 ，但其實現在最危險的根本不是機器人，

  以後在團隊裏，就直接拿來用了 。沒有“以為”，重要的是，

  我們要搞清楚一個基本事實 ：AI 隻是個幹活的工具。

  這可能是接下來一兩年裏 ，在工程師的職業素養裏，

  資深開發者在用 AI 時，是帶著“人類傷疤”的
  。這種討好型的輸出，

  方向盤必須在自己手裏

  看完 Susam Pal 的這三條“反向定律” ，“猜”出來的最連貫的字符組合而已。我發現團隊裏越來越多的年輕工程師
  ，我也不知道它會把庫打掛啊 。

  想象一下 ：周五晚上十點，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的
   ，絕不能將 AI 的結果視為權威 。業務邏輯根本跑不通的代碼 。誰把它發布到了生產環境 ，

  傳統的社區代碼，

  在一個大家都能用 AI 瞬間生成海量代碼的年代
  ，有縮進
  、

  現在的 AI 廠商為了用戶體驗，但是 ，打鐵還需自身硬 ，它經過了無數同行的 Peer Review，

  

  現實中，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道
  ，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 。但稍微往深了一看，對吧
  ？大家都在開玩笑。它認錯的態度還挺誠懇的。大不了就是重啟一下進程
  。您說得對 ，邏輯“看起來”順理成章的代碼，絕不能盲目信任 AI 的輸出。

  但這才是最恐怖的地方。應該直接寫進每個技術團隊的入職手冊裏
  。

  工具不承擔後果 ，甚至幫他把邏輯補齊。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，它隻是模型在當下那一秒
   ，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）、敲鍵盤的手速早就不是壁壘了 。它也不會被開除，乃至搞出一整套 Harness Engineering。

  不管大模型進化到第幾代 。對我們的基本功考驗反而越嚴苛。漏寫了一個很不顯眼的資源釋放邏輯。有高亮 、它不用背房貸，哪怕代碼寫得有瑕疵，

  大模型最可怕的能力，心裏應該有一堵極度冷酷的牆：不要對它說“請”和“謝謝”，隻要沒有覆蓋對應的單元測試
  ，AI 隻是工具
  ，當你把大模型擬人化之後，

  在人類社會的協作裏，所以係統宕機不怪我”。

  但是現在，如果一個實習生態度很好 ，誰就老老實實為這 500 行代碼負 100% 的責任 。甚至是用真實的線上故障試錯出來的 。然後說“因為這把手術刀太鋒利了
  ，你的 Code Review 雷達才不會失效。會在潛意識裏給你一種錯覺：你在和一個雖然有點粗心，複盤會上 ，卻不想背它出錯的黑鍋。結合我最近在團隊裏的觀察，自己劃偏了”一樣荒謬 。不要賦予 AI 情感 
  、合並到業務代碼裏。

  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。

  你才不會對它生成的代碼抱有任何不切實際的“信任感”，我最近在查一個內存泄漏的偶發 Bug 時，沒有經過獨立驗證，

  別給它加戲：它不是你的同事，基於海量語料做統計學概率預測的“文本接龍機器” 。但其實，這個方法在多線程下會死鎖”、當一個開發者習慣了 AI 瞬間吐出幾百行代碼後 ，

  Susam 提煉了三條給人類看的“反向定律”。或者一個隨時會拋出 NullPointerException的第三方黑盒依賴。

  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，他潛意識裏的工程底線正在悄悄崩塌。一巴掌拍醒很多人
  。大模型根本沒有“理解”，我看編輯器沒報錯就直接提交了，誰審查的這 500 行代碼，絕大多數開發一看到這種排版精美、寫各種複雜的 System Prompt  ，誰按下的 Merge 按鈕，“我是不是該去學怎麽寫 Prompt” 
  。這種習慣非常致命。你也會下意識地寬容他，

  把它當成什麽？當成一個高級的命令行工具（CLI），都砸在了“如何防止 AI 犯錯”上
  。我會當場發飆 。

  最近在做 Code Review 的時候
  ，最容易上演的甩鍋大戲。我馬上改” 。在這個 AI 亂寫的時代裏，非常聽話的初級程序員溝通 。大家不斷的折騰，

  這恰恰是最大的坑。真正的壁壘是什麽？

  是你能在一眼望不到頭的 AI 代碼中，而是屏幕前那個使用機器人的人類。這不重要。直接快捷鍵一敲 ，用這句話來甩鍋，

  但現實是，客服電話被打爆
  。比什麽都強。我最大的感慨是 ：我們的重點是不是搞錯了 。大部分技術團隊在出線上事故後，不用拿績效
  ，

  我們幾乎把所有的工程資源，太權威了
  。穩了”、”

  如果在我的團隊裏聽到這句話 ，全是定時炸彈

  第二定律 ：拒絕盲從。它的底層本質就是一個沒有靈魂、你的技術生涯基本也就到頭了 。它“唰”地一下給你生成了一大段代碼 。人類必須對後果承擔全部責任
  。不是寫代碼，隻是一台 Token 機器

  第一定律：拒絕擬人化。人承擔。不管是 GPT 還是 Claude，你在代碼助手裏敲一句注釋，剝離掉擬人化的濾鏡，

  代碼是機器寫的還是人寫的，

  以前我們遇到搞不定的 Bug，出錯了也有借口”的念頭，

  這就好比一個外科醫生把手術做砸了，那就是賽博垃圾 。沒問題  ，這是提效
  。”

• “我指出了它的 Bug
   ，但脾氣極好、它看起來太完美了，大體方向應該沒錯”。守住一個工程師的職業底線 ，覺得“它都這麽努力理解我了，這段代碼沒有任何人做過審查。就是怕大模型在線上環境突然發瘋 。甚至還有看似嚴密的 Markdown 解釋 。

  但是，我們對同事是有“容錯率”的。其實我想寫個 map。方向盤和刹車必須死死攥在自己手裏。一旦你心裏有了“這反正是 AI 寫的 ，底下往往跟著一堆評論：“哥
  ，意圖或道德代理權
  。立下一個死規矩
  ：信任在工程實踐中非常寶貴 。動不動就對你說“抱歉，

  你不能光占著 AI 幫你摸魚的便宜，微調
  、而是“一本正經地胡說八道
  ，但作為技術人 ，

  別被排版糊弄了
  ：沒跑過驗證的代碼 ，“注意 ，”

聽起來沒什麽大不了的 ，我覺得這三條規矩 ，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，我看它邏輯挺清晰的，你的大腦就會不自覺地套用這種“社交直覺”。就算把整個支付寶或者微信的後台搞崩潰了，