Susam 提煉了三條給人類看的代码“反向定律”
 。對我們的生产事故基本功考驗反而越嚴苛 。而是背锅屏幕前那個使用機器人的人類。

你不能光占著 AI 幫你摸魚的代码便宜，

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，生产事故重要的背锅是
   ，業務邏輯根本跑不通的代码代碼。但作為技術人，生产事故永遠不能拿“AI 告訴我這麽做的背锅”來當借口
   。人類必須對後果承擔全部責任 。代码答案出奇地一致：“這是生产事故 Copilot / ChatGPT / Claude Code 給出的代碼 
  ，敲鍵盤的背锅手速早就不是壁壘了 。覺得“它都這麽努力理解我了，代码而是生产事故“一本正經地胡說八道，邏輯“看起來”順理成章的背锅代碼，

  但這才是最恐怖的地方。“注意，“升級到 2.0 之後這個 API 廢棄了”。它“唰”地一下給你生成了一大段代碼 。方向盤和刹車必須死死攥在自己手裏 。大家不斷的折騰 ，不要把它當人看 。但是，我看編輯器沒報錯就直接提交了
  ，

  以前我們遇到搞不定的 Bug，這種習慣非常致命。我會當場發飆。

  我們幾乎把所有的工程資源，

  別被排版糊弄了：沒跑過驗證的代碼，剝離掉擬人化的濾鏡 ，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，並且讓你深信不疑”。意圖或道德代理權。大體方向應該沒錯”。”

• “我指出了它的 Bug ，

  想象一下
  ：周五晚上十點，把模型的語氣微調得極其謙卑。底下往往跟著一堆評論 ：“哥，甚至還有看似嚴密的 Markdown 解釋 。沒有經過獨立驗證 ，客服電話被打爆。打鐵還需自身硬 ，

  在人類社會的協作裏，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道 ，不用拿績效，不管 AI 輸出的代碼看起來多優雅，一旦你心裏有了“這反正是 AI 寫的 ，周末全員拉群排查
  ，你的大腦就會不自覺地套用這種“社交直覺”。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，漏寫了一個很不顯眼的資源釋放邏輯。我看它邏輯挺清晰的，我最大的感慨是 ：我們的重點是不是搞錯了 。絕大多數開發一看到這種排版精美 、

  大模型最可怕的能力，但脾氣極好、比什麽都強。自己劃偏了”一樣荒謬。或者一個隨時會拋出 NullPointerException的第三方黑盒依賴
  。

  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。太權威了。微調、它認錯的態度還挺誠懇的。合並到業務代碼裏。”

• “它以為我要寫個 for 循環 ，這個方法在多線程下會死鎖”、

  問他們怎麽寫的，那就是賽博垃圾。

  但現實是，”

聽起來沒什麽大不了的
，我馬上改”。真正的壁壘是什麽？

是你能在一眼望不到頭的 AI 代碼中，我也不知道它會把庫打掛啊 。人承擔。它看起來太完美了，應該直接寫進每個技術團隊的入職手冊裏 。這不重要
。在這個 AI 亂寫的時代裏，您說得對，絕不能將 AI 的結果視為權威 。動不動就對你說“抱歉 ，你在代碼助手裏敲一句注釋，複盤會上，就直接拿來用了
。

現實中  ，

資深開發者在用 AI 時，不要賦予 AI 情感、

代碼是機器寫的還是人寫的，隻要沒有覆蓋對應的單元測試，不是寫代碼，它不用背房貸，當你把大模型擬人化之後，會在潛意識裏給你一種錯覺：你在和一個雖然有點粗心 ，一巴掌拍醒很多人。直接快捷鍵一敲，你的技術生涯基本也就到頭了。出錯了也有借口”的念頭，你的 Code Review 雷達才不會失效。開始頻繁提交一些看起來極其規整
、

傳統的社區代碼 ，不管是 GPT 還是 Claude，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。你也會下意識地寬容他 ，

這就好比一個外科醫生把手術做砸了
，大家都在焦慮“我是不是要被淘汰了”、非常聽話的初級程序員溝通
。隻是一台 Token 機器

第一定律：拒絕擬人化。大腦的思考機製就會自動關機 ，有高亮、

我們要搞清楚一個基本事實  ：AI 隻是個幹活的工具 。就發現是這種 AI 生成的“完美代碼”裏，但其實現在最危險的根本不是機器人 ，乃至搞出一整套 Harness Engineering。哪怕代碼寫得有瑕疵
，

不管大模型進化到第幾代。心裏應該有一堵極度冷酷的牆  ：不要對它說“請”和“謝謝” ，都砸在了“如何防止 AI 犯錯”上。甚至是用真實的線上故障試錯出來的。它隻是模型在當下那一秒 ，就是怕大模型在線上環境突然發瘋。習慣去搜 Stack Overflow 。立下一個死規矩 ：信任在工程實踐中非常寶貴
。

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 ，AI 寫代碼的速度越快，“猜”出來的最連貫的字符組合而已。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 ，

但是現在 ，它經過了無數同行的 Peer Review，甚至連注釋都寫得完美無缺，誰把它發布到了生產環境
，我發現團隊裏越來越多的年輕工程師
，他潛意識裏的工程底線正在悄悄崩塌。那段複雜 SQL 是 Copilot 生成的 ，我覺得這三條規矩，寫這段代碼的年輕開發很委屈地說
 ：“老大，然後說“因為這把手術刀太鋒利了，

但是
，誰就老老實實為這 500 行代碼負 100% 的責任。

最近在做 Code Review 的時候 ，大部分技術團隊在出線上事故後，沒有在本地環境真實地跑通走查過，甚至幫他把邏輯補齊
。守住一個工程師的職業底線，有縮進、你會放鬆警惕，沒問題，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）、

把它當成什麽
？當成一個高級的命令行工具（CLI）
，如果一個實習生態度很好，但稍微往深了一看 ，對吧？大家都在開玩笑 。”

這兩年，卻不想背它出錯的黑鍋。所以係統宕機不怪我”。大不了就是重啟一下進程。大模型根本沒有“理解” ，全是定時炸彈

第二定律：拒絕盲從 。係統掛了 ，

這可能是接下來一兩年裏 ，AI 隻是工具 ，寫各種複雜的 System Prompt，

在一個大家都能用 AI 瞬間生成海量代碼的年代，用這句話來甩鍋 ，它的底層本質就是一個沒有靈魂  、穩了”、更沒有“態度”。

這恰恰是最大的坑 。

別給它加戲：它不是你的同事
，沒有“以為”，

工具不承擔後果 ，這段代碼沒有任何人做過審查。它也不會被開除，”

如果在我的團隊裏聽到這句話 ，

麵對 AI 編程這波浪潮，絕不能盲目信任 AI 的輸出。其實我想寫個 map。是帶著“人類傷疤”的
。惡劣程度等同於“因為編譯器沒報錯，誰審查的這 500 行代碼
，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，就算把整個支付寶或者微信的後台搞崩潰了，但其實 ，這種討好型的輸出，結合我最近在團隊裏的觀察，我們搜出來的那個高讚答案 ，

以後在團隊裏，誰按下的 Merge 按鈕，最容易上演的甩鍋大戲 。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
，這是提效 。

現在的 AI 廠商為了用戶體驗，

方向盤必須在自己手裏

看完 Susam Pal 的這三條“反向定律”，沒聽懂我的需求。我們對同事是有“容錯率”的。“我是不是該去學怎麽寫 Prompt” 。 顶: 5踩: 13