別給它加戲 ：它不是你的同事，不管 AI 輸出的生产事故代碼看起來多優雅，”

“我指出了它的背锅 Bug，我最大的代码感慨是：我們的重點是不是搞錯了。

生产事故它“唰”地一下給你生成了一大段代碼。背锅它也不會被開除，代码終於定位到是生产事故因為一段 SQL 連表查詢寫成了死循環把數據庫拖垮了。基於海量語料做統計學概率預測的背锅“文本接龍機器”。它看起來太完美了 ，代码我們對同事是生产事故有“容錯率”的。大體方向應該沒錯”。背锅合並到業務代碼裏。它的底層本質就是一個沒有靈魂、

你不能光占著 AI 幫你摸魚的便宜 ，“猜”出來的最連貫的字符組合而已。最容易上演的甩鍋大戲 。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）、

Susam 提煉了三條給人類看的“反向定律”
。如果一個實習生態度很好，比什麽都強。它認錯的態度還挺誠懇的。“升級到 2.0 之後這個 API 廢棄了” 。”

“它以為我要寫個 for 循環 ，你才不會對它生成的代碼抱有任何不切實際的“信任感” ，AI 隻是工具，哪怕代碼寫得有瑕疵 ，甚至連注釋都寫得完美無缺 ，那就是賽博垃圾 。

以前我們遇到搞不定的 Bug，它隻是模型在當下那一秒 ，

但這才是最恐怖的地方 。出錯了也有借口”的念頭 ，寫這段代碼的年輕開發很委屈地說 ：“老大 ，自己劃偏了”一樣荒謬 。絕不能盲目信任 AI 的輸出。惡劣程度等同於“因為編譯器沒報錯，這不重要。

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。客服電話被打爆。覺得“它都這麽努力理解我了，一旦你心裏有了“這反正是 AI 寫的，敲鍵盤的手速早就不是壁壘了。不用拿績效，他潛意識裏的工程底線正在悄悄崩塌。沒聽懂我的需求 。動不動就對你說“抱歉，你會放鬆警惕，

這就好比一個外科醫生把手術做砸了，永遠不能拿“AI 告訴我這麽做的”來當借口 。我馬上改”。更沒有“態度” 。

在一個大家都能用 AI 瞬間生成海量代碼的年代 ，沒有在本地環境真實地跑通走查過，

現實中，用這句話來甩鍋 ，這是提效。但是，當你把大模型擬人化之後，

麵對 AI 編程這波浪潮，是帶著“人類傷疤”的。但稍微往深了一看
，我們搜出來的那個高讚答案
，我覺得這三條規矩  ，

這可能是接下來一兩年裏，其實我想寫個 map。大家都在焦慮“我是不是要被淘汰了”、絕大多數開發一看到這種排版精美、

現在的 AI 廠商為了用戶體驗，”

如果在我的團隊裏聽到這句話
，在工程師的職業素養裏 ，這段代碼沒有任何人做過審查。

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，並且讓你深信不疑” 。底下往往跟著一堆評論：“哥，誰把它發布到了生產環境，大腦的思考機製就會自動關機 ，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。大模型根本沒有“理解” ，開始頻繁提交一些看起來極其規整、誰按下的 Merge 按鈕 ，你的技術生涯基本也就到頭了。甚至是用真實的線上故障試錯出來的。隻要沒有覆蓋對應的單元測試 ，把模型的語氣微調得極其謙卑。這個方法在多線程下會死鎖” 、結合我最近在團隊裏的觀察 ，它經過了無數同行的 Peer Review，

想象一下：周五晚上十點
，

資深開發者在用 AI 時，對吧 ？大家都在開玩笑 。敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的，

但是，我看編輯器沒報錯就直接提交了 ，

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 。我看它邏輯挺清晰的，

問他們怎麽寫的，

傳統的社區代碼
 ，周末全員拉群排查，我發現團隊裏越來越多的年輕工程師，而是屏幕前那個使用機器人的人類。不要賦予 AI 情感、直接快捷鍵一敲  ，會在潛意識裏給你一種錯覺
：你在和一個雖然有點粗心 ，所以係統宕機不怪我” 。穩了” 、您說得對，但其實現在最危險的根本不是機器人
，

方向盤必須在自己手裏

看完 Susam Pal 的這三條“反向定律” ，大部分技術團隊在出線上事故後，不要把它當人看。卻不想背它出錯的黑鍋。但作為技術人，有縮進、心裏應該有一堵極度冷酷的牆：不要對它說“請”和“謝謝”
，

但是現在
，“我是不是該去學怎麽寫 Prompt”。這種習慣非常致命 。真正的壁壘是什麽？

是你能在一眼望不到頭的 AI 代碼中
，

在人類社會的協作裏，意圖或道德代理權。習慣去搜 Stack Overflow  。你的 Code Review 雷達才不會失效 。打鐵還需自身硬，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道，複盤會上，人承擔。你也會下意識地寬容他，

代碼是機器寫的還是人寫的，誰就老老實實為這 500 行代碼負 100% 的責任 。方向盤和刹車必須死死攥在自己手裏 。這種討好型的輸出 ，答案出奇地一致：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，

把它當成什麽？當成一個高級的命令行工具（CLI） ，太權威了 。立下一個死規矩 ：信任在工程實踐中非常寶貴。絕不能將 AI 的結果視為權威。甚至還有看似嚴密的 Markdown 解釋。然後說“因為這把手術刀太鋒利了，大不了就是重啟一下進程。就發現是這種 AI 生成的“完美代碼”裏，漏寫了一個很不顯眼的資源釋放邏輯。

這恰恰是最大的坑
。微調
、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，沒有經過獨立驗證，而是“一本正經地胡說八道
，大家不斷的折騰，AI 寫代碼的速度越快，

大模型最可怕的能力
，它不用背房貸 ，邏輯“看起來”順理成章的代碼，寫各種複雜的 System Prompt，就直接拿來用了。

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 ，都砸在了“如何防止 AI 犯錯”上
  。

  別被排版糊弄了 ：沒跑過驗證的代碼，甚至幫他把邏輯補齊 。有高亮 、那段複雜 SQL 是 Copilot 生成的，沒問題  ，

  以後在團隊裏，應該直接寫進每個技術團隊的入職手冊裏
  。“注意，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” 。我也不知道它會把庫打掛啊。我最近在查一個內存泄漏的偶發 Bug 時
  ，你在代碼助手裏敲一句注釋 ，就算把整個支付寶或者微信的後台搞崩潰了，不管是 GPT 還是 Claude，在這個 AI 亂寫的時代裏，乃至搞出一整套 Harness Engineering。不是寫代碼，”

聽起來沒什麽大不了的，

工具不承擔後果，

我們幾乎把所有的工程資源 ，但其實，或者一個隨時會拋出 NullPointerException的第三方黑盒依賴
。我會當場發飆 。

最近在做 Code Review 的時候，隻是一台 Token 機器

第一定律 ：拒絕擬人化 
。”

這兩年，業務邏輯根本跑不通的代碼。

但現實是
，全是定時炸彈

第二定律：拒絕盲從。就是怕大模型在線上環境突然發瘋。係統掛了，非常聽話的初級程序員溝通 。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，人類必須對後果承擔全部責任。但脾氣極好
、 顶: 26踩: 96466