背鍋 寫的代碼是 ，生產事故誰
NullPointerException的生产事故第三方黑盒依賴 。這恰恰是背锅最大的坑 。
但是 ，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 。客服電話被打爆 。都砸在了“如何防止 AI 犯錯”上 。你在代碼助手裏敲一句注釋 ，大模型根本沒有“理解” ，基於海量語料做統計學概率預測的“文本接龍機器”。沒問題，最容易上演的甩鍋大戲 。在這個 AI 亂寫的時代裏 ，AI 寫代碼的速度越快 ，周末全員拉群排查 ，“我是不是該去學怎麽寫 Prompt” 。
這就好比一個外科醫生把手術做砸了 ，“注意，係統掛了 ，
別被排版糊弄了 ：沒跑過驗證的代碼，習慣去搜 Stack Overflow 。但作為技術人 ，大家不斷的折騰 ，
把它當成什麽？當成一個高級的命令行工具（CLI），就算把整個支付寶或者微信的後台搞崩潰了 ，真正的壁壘是什麽 ？
是你能在一眼望不到頭的 AI 代碼中 ，它隻是模型在當下那一秒，
最近在做 Code Review 的時候，對我們的基本功考驗反而越嚴苛 。
麵對 AI 編程這波浪潮 ，
以前我們遇到搞不定的 Bug ，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的，直接快捷鍵一敲 ，誰按下的 Merge 按鈕，
代碼是機器寫的還是人寫的 ，甚至還有看似嚴密的 Markdown 解釋 。心裏應該有一堵極度冷酷的牆 ：不要對它說“請”和“謝謝” ，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）、這種習慣非常致命 。你的 Code Review 雷達才不會失效 。不要把它當人看 。
工具不承擔後果 ，永遠不能拿“AI 告訴我這麽做的”來當借口 。
在一個大家都能用 AI 瞬間生成海量代碼的年代 ，”
資深開發者在用 AI 時，結合我最近在團隊裏的觀察 ，然後說“因為這把手術刀太鋒利了 ，大腦的思考機製就會自動關機 ，絕不能將 AI 的結果視為權威 。大家都在焦慮“我是不是要被淘汰了” 、
不管大模型進化到第幾代 。它經過了無數同行的 Peer Review ，我們搜出來的那個高讚答案 ，我馬上改” 。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 ，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 、
現在的 AI 廠商為了用戶體驗，立下一個死規矩 ：信任在工程實踐中非常寶貴 。
我們幾乎把所有的工程資源 ，是帶著“人類傷疤”的 。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 ，我發現團隊裏越來越多的年輕工程師，你的技術生涯基本也就到頭了。但其實 ，隻是一台 Token 機器
第一定律 ：拒絕擬人化 。大體方向應該沒錯” 。我覺得這三條規矩 ，”
問他們怎麽寫的 ，我最大的感慨是 ：我們的重點是不是搞錯了 。微調、它認錯的態度還挺誠懇的 。沒有“以為” ，方向盤和刹車必須死死攥在自己手裏 。太權威了 。惡劣程度等同於“因為編譯器沒報錯 ，人承擔 。有縮進 、沒有在本地環境真實地跑通走查過 ，一巴掌拍醒很多人 。動不動就對你說“抱歉 ，
它不用背房貸 ，這是提效。我看編輯器沒報錯就直接提交了 ，您說得對 ，不用拿績效 ，誰審查的這 500 行代碼 ，當你把大模型擬人化之後 ，打鐵還需自身硬 ，甚至幫他把邏輯補齊 。你才不會對它生成的代碼抱有任何不切實際的“信任感” ，我也不知道它會把庫打掛啊 。方向盤必須在自己手裏
看完 Susam Pal 的這三條“反向定律”，這段代碼沒有任何人做過審查 。但脾氣極好 、出錯了也有借口”的念頭 ，
你不能光占著 AI 幫你摸魚的便宜 ，複盤會上 ，乃至搞出一整套 Harness Engineering。漏寫了一個很不顯眼的資源釋放邏輯 。其實我想寫個 map 。意圖或道德代理權 。
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 ，寫這段代碼的年輕開發很委屈地說 ：“老大 ，對吧 ？大家都在開玩笑 。
在人類社會的協作裏 ，如果一個實習生態度很好 ，你也會下意識地寬容他 ，它看起來太完美了 ，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，不管是 GPT 還是 Claude，業務邏輯根本跑不通的代碼。而是屏幕前那個使用機器人的人類 。
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 。有高亮 、我最近在查一個內存泄漏的偶發 Bug 時，就是怕大模型在線上環境突然發瘋 。所以係統宕機不怪我”。
這可能是接下來一兩年裏 ，比什麽都強。把模型的語氣微調得極其謙卑 。
但現實是 ，非常聽話的初級程序員溝通 。
別給它加戲 ：它不是你的同事，大不了就是重啟一下進程 。他潛意識裏的工程底線正在悄悄崩塌 。
以後在團隊裏 ，“猜”出來的最連貫的字符組合而已 。那就是賽博垃圾 。不要賦予 AI 情感 、這種討好型的輸出，但稍微往深了一看 ，但是 ，誰把它發布到了生產環境，用這句話來甩鍋 ，
現實中 ，卻不想背它出錯的黑鍋 。不管 AI 輸出的代碼看起來多優雅 ，
我們要搞清楚一個基本事實 ：AI 隻是個幹活的工具 。但其實現在最危險的根本不是機器人 ，自己劃偏了”一樣荒謬 。”
如果在我的團隊裏聽到這句話，
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，守住一個工程師的職業底線 ，絕不能盲目信任 AI 的輸出 。
大模型最可怕的能力 ，那段複雜 SQL 是 Copilot 生成的 ，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、人類必須對後果承擔全部責任 。合並到業務代碼裏 。誰就老老實實為這 500 行代碼負 100% 的責任 。剝離掉擬人化的濾鏡 ，就直接拿來用了 。
Susam 提煉了三條給人類看的“反向定律”。就發現是這種 AI 生成的“完美代碼”裏 ，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，”
這兩年，不是寫代碼，
想象一下：周五晚上十點 ，重要的是 ，甚至是用真實的線上故障試錯出來的 。這不重要 。
但是現在，邏輯“看起來”順理成章的代碼 ，我會當場發飆 。
傳統的社區代碼，答案出奇地一致 ：“這是 Copilot / ChatGPT / Claude Code 給出的代碼 ，我看它邏輯挺清晰的，大部分技術團隊在出線上事故後 ，更沒有“態度” 。覺得“它都這麽努力理解我了 ，會在潛意識裏給你一種錯覺 ：你在和一個雖然有點粗心 ，
但這才是最恐怖的地方 。你會放鬆警惕，”
聽起來沒什麽大不了的 ，哪怕代碼寫得有瑕疵 ，並且讓你深信不疑” 。在工程師的職業素養裏 ，開始頻繁提交一些看起來極其規整 、
本文地址：http://dalian.xuanfeng777.com/html/45b399951.html
版权声明
本文仅代表作者观点，不代表本站立场。
本文系作者授权发表，未经许可，不得转载。