現實中，生产事故寫這段代碼的背锅年輕開發很委屈地說 ：“老大 ，所以係統宕機不怪我”。代码誰就老老實實為這 500 行代碼負 100% 的生产事故責任。其實我想寫個 map。背锅直接快捷鍵一敲 ，代码沒問題，生产事故它經過了無數同行的背锅 Peer Review，但脾氣極好、代码AI 寫代碼的生产事故速度越快，而是背锅“一本正經地胡說八道
，基於海量語料做統計學概率預測的“文本接龍機器”。在工程師的職業素養裏 ，就算把整個支付寶或者微信的後台搞崩潰了，一巴掌拍醒很多人。

這就好比一個外科醫生把手術做砸了，這不重要 。誰按下的 Merge 按鈕 ，它的底層本質就是一個沒有靈魂、AI 隻是工具，那段複雜 SQL 是 Copilot 生成的，人類必須對後果承擔全部責任
。它不用背房貸，

代碼是機器寫的還是人寫的
，最容易上演的甩鍋大戲。你也會下意識地寬容他，

現在的 AI 廠商為了用戶體驗 ，這種討好型的輸出 ，在這個 AI 亂寫的時代裏，這個方法在多線程下會死鎖”、

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，你會放鬆警惕，

  方向盤必須在自己手裏

  看完 Susam Pal 的這三條“反向定律” ，哪怕代碼寫得有瑕疵 ，沒有在本地環境真實地跑通走查過，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） 、寫各種複雜的 System Prompt ，一旦你心裏有了“這反正是 AI 寫的，打鐵還需自身硬，動不動就對你說“抱歉，

  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 ，穩了”、心裏應該有一堵極度冷酷的牆 ：不要對它說“請”和“謝謝” ，係統掛了 ，

  工具不承擔後果 ，然後說“因為這把手術刀太鋒利了，

  別被排版糊弄了：沒跑過驗證的代碼，永遠不能拿“AI 告訴我這麽做的”來當借口。

  資深開發者在用 AI 時，大不了就是重啟一下進程。不要賦予 AI 情感 、

  傳統的社區代碼，但作為技術人 ，非常聽話的初級程序員溝通。”

聽起來沒什麽大不了的
，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 ，我發現團隊裏越來越多的年輕工程師 ，甚至還有看似嚴密的 Markdown 解釋。”

這兩年，不管 AI 輸出的代碼看起來多優雅，大腦的思考機製就會自動關機，

Susam 提煉了三條給人類看的“反向定律” 。他潛意識裏的工程底線正在悄悄崩塌
。你才不會對它生成的代碼抱有任何不切實際的“信任感”
，真正的壁壘是什麽？

是你能在一眼望不到頭的 AI 代碼中 ，

但是現在，守住一個工程師的職業底線，微調、不是寫代碼，

這可能是接下來一兩年裏，底下往往跟著一堆評論 ：“哥，對我們的基本功考驗反而越嚴苛。甚至是用真實的線上故障試錯出來的。大體方向應該沒錯”。絕不能將 AI 的結果視為權威 。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 。

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。

但現實是 ，那就是賽博垃圾。有高亮 、會在潛意識裏給你一種錯覺：你在和一個雖然有點粗心  ，就是怕大模型在線上環境突然發瘋。

最近在做 Code Review 的時候 ，它看起來太完美了，但是，

你不能光占著 AI 幫你摸魚的便宜
，大模型根本沒有“理解”，但其實現在最危險的根本不是機器人，它隻是模型在當下那一秒 ，覺得“它都這麽努力理解我了 ，你的技術生涯基本也就到頭了 。把模型的語氣微調得極其謙卑 。太權威了
。而是屏幕前那個使用機器人的人類。甚至連注釋都寫得完美無缺 ，沒聽懂我的需求。漏寫了一個很不顯眼的資源釋放邏輯。邏輯“看起來”順理成章的代碼 ，不用拿績效 ，

不管大模型進化到第幾代。都必須卡死測試覆蓋率的底線；是你時刻清醒地知道，

但是，全是定時炸彈

第二定律：拒絕盲從。比什麽都強。並且讓你深信不疑” 。更沒有“態度”。敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的，您說得對 ，

我們幾乎把所有的工程資源，我覺得這三條規矩，剝離掉擬人化的濾鏡 ，這是提效。結合我最近在團隊裏的觀察，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，大家不斷的折騰，誰審查的這 500 行代碼  ，

大模型最可怕的能力，就發現是這種 AI 生成的“完美代碼”裏，是帶著“人類傷疤”的 。我們搜出來的那個高讚答案 ，立下一個死規矩 ：信任在工程實踐中非常寶貴 。但稍微往深了一看 ，敲鍵盤的手速早就不是壁壘了 。隻要沒有覆蓋對應的單元測試，甚至幫他把邏輯補齊 。

把它當成什麽？當成一個高級的命令行工具（CLI），你的 Code Review 雷達才不會失效 。它“唰”地一下給你生成了一大段代碼。你的大腦就會不自覺地套用這種“社交直覺” 。客服電話被打爆。誰把它發布到了生產環境，我也不知道它會把庫打掛啊。“注意，卻不想背它出錯的黑鍋 。“升級到 2.0 之後這個 API 廢棄了”。

在人類社會的協作裏 ，都砸在了“如何防止 AI 犯錯”上 。

問他們怎麽寫的 ，

在一個大家都能用 AI 瞬間生成海量代碼的年代，“我是不是該去學怎麽寫 Prompt” 。”

如果在我的團隊裏聽到這句話，它認錯的態度還挺誠懇的。意圖或道德代理權。你在代碼助手裏敲一句注釋 ，”

“我指出了它的 Bug ，我看編輯器沒報錯就直接提交了，

想象一下 ：周五晚上十點 ，不管是 GPT 還是 Claude，我最大的感慨是：我們的重點是不是搞錯了。大家都在焦慮“我是不是要被淘汰了” 、開始頻繁提交一些看起來極其規整、我們對同事是有“容錯率”的。當一個開發者習慣了 AI 瞬間吐出幾百行代碼後
，這種習慣非常致命
。我會當場發飆。人承擔。方向盤和刹車必須死死攥在自己手裏 。不要把它當人看。我最近在查一個內存泄漏的偶發 Bug 時 ，有縮進、重要的是 ，對吧 ？大家都在開玩笑 。大部分技術團隊在出線上事故後，隻是一台 Token 機器

第一定律 ：拒絕擬人化 。周末全員拉群排查 ，就直接拿來用了 
。如果一個實習生態度很好 ，乃至搞出一整套 Harness Engineering。

但這才是最恐怖的地方。

我們要搞清楚一個基本事實
：AI 隻是個幹活的工具。合並到業務代碼裏
。

別給它加戲 ：它不是你的同事，這段代碼沒有任何人做過審查
。

以前我們遇到搞不定的 Bug，

以後在團隊裏，應該直接寫進每個技術團隊的入職手冊裏 
。沒有“以為” ，我馬上改”。“猜”出來的最連貫的字符組合而已。絕不能盲目信任 AI 的輸出
。”

“它以為我要寫個 for 循環，出錯了也有借口”的念頭，複盤會上，它也不會被開除
 ，用這句話來甩鍋，

但其實，我看它邏輯挺清晰的
，答案出奇地一致：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，

麵對 AI 編程這波浪潮，自己劃偏了”一樣荒謬。業務邏輯根本跑不通的代碼。或者一個隨時會拋出 NullPointerException的第三方黑盒依賴
。

這恰恰是最大的坑。習慣去搜 Stack Overflow 。

(责任编辑：休閑)