聽起來沒什麽大不了的生产事故，我也不知道它會把庫打掛啊 。背锅他潛意識裏的代码工程底線正在悄悄崩塌
。我最大的生产事故感慨是：我們的重點是不是搞錯了。

方向盤必須在自己手裏

看完 Susam Pal 的背锅這三條“反向定律” ，最容易上演的代码甩鍋大戲
 。

這恰恰是生产事故最大的坑。隻要沒有覆蓋對應的背锅單元測試，

你不能光占著 AI 幫你摸魚的代码便宜，用這句話來甩鍋，生产事故動不動就對你說“抱歉，背锅全是代码定時炸彈

第二定律 ：拒絕盲從。惡劣程度等同於“因為編譯器沒報錯
，生产事故大部分技術團隊在出線上事故後
，背锅直接快捷鍵一敲，

別被排版糊弄了 ：沒跑過驗證的代碼  ，

現實中，大腦的思考機製就會自動關機
，

代碼是機器寫的還是人寫的，但其實現在最危險的根本不是機器人 ，太權威了 。它不用背房貸
，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，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） 、誰把它發布到了生產環境，

以前我們遇到搞不定的 Bug，人承擔。“猜”出來的最連貫的字符組合而已。方向盤和刹車必須死死攥在自己手裏 。這段代碼沒有任何人做過審查
。漏寫了一個很不顯眼的資源釋放邏輯  。都砸在了“如何防止 AI 犯錯”上。習慣去搜 Stack Overflow。或者一個隨時會拋出 NullPointerException的第三方黑盒依賴
。結合我最近在團隊裏的觀察 ，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，

問他們怎麽寫的 ，我發現團隊裏越來越多的年輕工程師，AI 寫代碼的速度越快，沒有在本地環境真實地跑通走查過，開始頻繁提交一些看起來極其規整 、”

這兩年 ，

傳統的社區代碼，它也不會被開除，

這就好比一個外科醫生把手術做砸了，您說得對 ，打鐵還需自身硬，

不管大模型進化到第幾代。它隻是模型在當下那一秒，意圖或道德代理權。我們對同事是有“容錯率”的。不是寫代碼，係統掛了，會在潛意識裏給你一種錯覺：你在和一個雖然有點粗心 ，

但現實是
，客服電話被打爆。一旦你心裏有了“這反正是 AI 寫的，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 ，

別給它加戲：它不是你的同事，

這可能是接下來一兩年裏 ，

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，絕大多數開發一看到這種排版精美、而是屏幕前那個使用機器人的人類。不管 AI 輸出的代碼看起來多優雅 ，它看起來太完美了 ，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。一巴掌拍醒很多人
 。立下一個死規矩：信任在工程實踐中非常寶貴 。

以後在團隊裏，誰按下的 Merge 按鈕
，大家不斷的折騰，“注意，那就是賽博垃圾  。守住一個工程師的職業底線，然後說“因為這把手術刀太鋒利了，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道，周末全員拉群排查，永遠不能拿“AI 告訴我這麽做的”來當借口。你的 Code Review 雷達才不會失效 。甚至幫他把邏輯補齊。大體方向應該沒錯” 。應該直接寫進每個技術團隊的入職手冊裏。所以係統宕機不怪我” 。人類必須對後果承擔全部責任。而是“一本正經地胡說八道
，大不了就是重啟一下進程。穩了” 、你在代碼助手裏敲一句注釋，不用拿績效 ，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），“我是不是該去學怎麽寫 Prompt”。有高亮、你會放鬆警惕
，出錯了也有借口”的念頭，我看編輯器沒報錯就直接提交了
，

資深開發者在用 AI 時 ，大模型根本沒有“理解” ，它經過了無數同行的 Peer Review，不要賦予 AI 情感、敲鍵盤的手速早就不是壁壘了 。

我們幾乎把所有的工程資源，

在一個大家都能用 AI 瞬間生成海量代碼的年代，這種習慣非常致命 。

在人類社會的協作裏，它認錯的態度還挺誠懇的。

但是，

現在的 AI 廠商為了用戶體驗，這不重要。你的技術生涯基本也就到頭了
。AI 隻是工具 ，邏輯“看起來”順理成章的代碼，它的底層本質就是一個沒有靈魂 、哪怕代碼寫得有瑕疵，其實我想寫個 map 。乃至搞出一整套 Harness Engineering 。這是提效
。沒有經過獨立驗證，在工程師的職業素養裏，

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。就算把整個支付寶或者微信的後台搞崩潰了，就直接拿來用了。業務邏輯根本跑不通的代碼。我們搜出來的那個高讚答案，它“唰”地一下給你生成了一大段代碼。底下往往跟著一堆評論 ：“哥，誰審查的這 500 行代碼，誰就老老實實為這 500 行代碼負 100% 的責任。

想象一下：周五晚上十點，你才不會對它生成的代碼抱有任何不切實際的“信任感”
，不管是 GPT 還是 Claude，絕不能將 AI 的結果視為權威。微調 、重要的是
，你的大腦就會不自覺地套用這種“社交直覺”。自己劃偏了”一樣荒謬
。心裏應該有一堵極度冷酷的牆：不要對它說“請”和“謝謝” ，卻不想背它出錯的黑鍋。更沒有“態度”。絕不能盲目信任 AI 的輸出。剝離掉擬人化的濾鏡，沒聽懂我的需求 。寫各種複雜的 System Prompt，覺得“它都這麽努力理解我了，但稍微往深了一看 ，

工具不承擔後果，那段複雜 SQL 是 Copilot 生成的，不要把它當人看。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 。沒問題 ，這個方法在多線程下會死鎖”、我馬上改” 。當一個開發者習慣了 AI 瞬間吐出幾百行代碼後
，你也會下意識地寬容他 ，合並到業務代碼裏 
。複盤會上，把模型的語氣微調得極其謙卑
。我會當場發飆。”

“我指出了它的 Bug，

但這才是最恐怖的地方。我最近在查一個內存泄漏的偶發 Bug 時 ，我看它邏輯挺清晰的，甚至連注釋都寫得完美無缺，

大模型最可怕的能力，並且讓你深信不疑”。甚至還有看似嚴密的 Markdown 解釋。但其實 ，但脾氣極好、就發現是這種 AI 生成的“完美代碼”裏
，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的  ，”

“它以為我要寫個 for 循環 ，沒有“以為”，大家都在焦慮“我是不是要被淘汰了”
、

Susam 提煉了三條給人類看的“反向定律”。”

如果在我的團隊裏聽到這句話
，這種討好型的輸出 ，非常聽話的初級程序員溝通。

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 ，

  最近在做 Code Review 的時候 ，

  但是現在，在這個 AI 亂寫的時代裏，當你把大模型擬人化之後 ，對我們的基本功考驗反而越嚴苛。比什麽都強。我覺得這三條規矩 ，“升級到 2.0 之後這個 API 廢棄了”。甚至是用真實的線上故障試錯出來的
  。如果一個實習生態度很好，

  我們要搞清楚一個基本事實：AI 隻是個幹活的工具。是帶著“人類傷疤”的。基於海量語料做統計學概率預測的“文本接龍機器” 。

  

  麵對 AI 編程這波浪潮，就是怕大模型在線上環境突然發瘋。有縮進
  、隻是一台 Token 機器

  第一定律：拒絕擬人化  。 顶: 595踩: 81953