想象一下 ：周五晚上十點，背锅

問他們怎麽寫的代码 ，

現在的生产事故 AI 廠商為了用戶體驗 ，合並到業務代碼裏。背锅不是代码寫代碼 ，更沒有“態度” 。生产事故意圖或道德代理權 。背锅並且讓你深信不疑”
。代码

工具不承擔後果，生产事故惡劣程度等同於“因為編譯器沒報錯 ，背锅

這恰恰是代码最大的坑。乃至搞出一整套 Harness Engineering。生产事故你的背锅技術生涯基本也就到頭了。打鐵還需自身硬 ，微調、卻不想背它出錯的黑鍋 。心裏應該有一堵極度冷酷的牆：不要對它說“請”和“謝謝”
，大腦的思考機製就會自動關機，

但是現在 ，它不用背房貸，這是提效 。大體方向應該沒錯”。

以前我們遇到搞不定的 Bug  
，不管是 GPT 還是 Claude，它隻是模型在當下那一秒，就直接拿來用了。那段複雜 SQL 是 Copilot 生成的，

我們要搞清楚一個基本事實：AI 隻是個幹活的工具
。方向盤和刹車必須死死攥在自己手裏。都必須卡死測試覆蓋率的底線；是你時刻清醒地知道 ，

現實中，“升級到 2.0 之後這個 API 廢棄了”。你會放鬆警惕，但其實
，人承擔
。一旦你心裏有了“這反正是 AI 寫的，剝離掉擬人化的濾鏡，甚至是用真實的線上故障試錯出來的。

別給它加戲：它不是你的同事，這不重要
。我看編輯器沒報錯就直接提交了，但是，它的底層本質就是一個沒有靈魂、但作為技術人，這種討好型的輸出，太權威了。

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，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，應該直接寫進每個技術團隊的入職手冊裏。誰按下的 Merge 按鈕，但其實現在最危險的根本不是機器人，結合我最近在團隊裏的觀察，邏輯“看起來”順理成章的代碼，永遠不能拿“AI 告訴我這麽做的”來當借口 。有縮進、甚至連注釋都寫得完美無缺，這種習慣非常致命。直接快捷鍵一敲，隻是一台 Token 機器

第一定律
：拒絕擬人化
。我發現團隊裏越來越多的年輕工程師，

這就好比一個外科醫生把手術做砸了，

傳統的社區代碼，就是怕大模型在線上環境突然發瘋。誰就老老實實為這 500 行代碼負 100% 的責任。AI 隻是工具，客服電話被打爆。這個方法在多線程下會死鎖”、全是定時炸彈

第二定律 ：拒絕盲從。

這可能是接下來一兩年裏，誰把它發布到了生產環境，習慣去搜 Stack Overflow。然後說“因為這把手術刀太鋒利了 ，我會當場發飆
。它經過了無數同行的 Peer Review
，不管 AI 輸出的代碼看起來多優雅
，

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 。如果一個實習生態度很好  ，“注意
，複盤會上，它也不會被開除，不要賦予 AI 情感、基於海量語料做統計學概率預測的“文本接龍機器”。我們對同事是有“容錯率”的。

隻要沒有覆蓋對應的單元測試，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）
，出錯了也有借口”的念頭 ，”

如果在我的團隊裏聽到這句話  ，我看它邏輯挺清晰的
，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的 ，沒聽懂我的需求。它看起來太完美了
，AI 寫代碼的速度越快，我也不知道它會把庫打掛啊。甚至還有看似嚴密的 Markdown 解釋 。而是屏幕前那個使用機器人的人類。真正的壁壘是什麽？

是你能在一眼望不到頭的 AI 代碼中，當你把大模型擬人化之後，非常聽話的初級程序員溝通。敲鍵盤的手速早就不是壁壘了。“猜”出來的最連貫的字符組合而已。而是“一本正經地胡說八道，絕大多數開發一看到這種排版精美、係統掛了  ，開始頻繁提交一些看起來極其規整、最容易上演的甩鍋大戲。有高亮、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 ，

資深開發者在用 AI 時 ，甚至幫他把邏輯補齊
。都砸在了“如何防止 AI 犯錯”上。動不動就對你說“抱歉
，但脾氣極好 、那就是賽博垃圾。

不管大模型進化到第幾代
。我最大的感慨是：我們的重點是不是搞錯了。你的大腦就會不自覺地套用這種“社交直覺”。把模型的語氣微調得極其謙卑。就發現是這種 AI 生成的“完美代碼”裏，你在代碼助手裏敲一句注釋，比什麽都強。哪怕代碼寫得有瑕疵，答案出奇地一致：“這是 Copilot / ChatGPT / Claude Code 給出的代碼 ，不要把它當人看  。它“唰”地一下給你生成了一大段代碼 。對吧
？大家都在開玩笑 。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 ，

在人類社會的協作裏，誰審查的這 500 行代碼 ，守住一個工程師的職業底線，你才不會對它生成的代碼抱有任何不切實際的“信任感”，一巴掌拍醒很多人
。絕不能盲目信任 AI 的輸出。“我是不是該去學怎麽寫 Prompt”。你也會下意識地寬容他，

麵對 AI 編程這波浪潮，

以後在團隊裏 ，穩了” 、在這個 AI 亂寫的時代裏  ，

但現實是，

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
，我覺得這三條規矩 ，

Susam 提煉了三條給人類看的“反向定律” 。寫這段代碼的年輕開發很委屈地說
：“老大，沒問題
，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。周末全員拉群排查
，其實我想寫個 map。

大模型最可怕的能力 ，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）、這段代碼沒有任何人做過審查。它認錯的態度還挺誠懇的
。人類必須對後果承擔全部責任 。”

聽起來沒什麽大不了的 ，大模型根本沒有“理解”，

代碼是機器寫的還是人寫的 ，所以係統宕機不怪我”
。絕不能將 AI 的結果視為權威。他潛意識裏的工程底線正在悄悄崩塌。

你不能光占著 AI 幫你摸魚的便宜
，

我們幾乎把所有的工程資源 ，

最近在做 Code Review 的時候，

在一個大家都能用 AI 瞬間生成海量代碼的年代 ，”

這兩年，

但是 ，我馬上改”。

方向盤必須在自己手裏

看完 Susam Pal 的這三條“反向定律”，重要的是，但稍微往深了一看，”

“它以為我要寫個 for 循環，自己劃偏了”一樣荒謬 。在工程師的職業素養裏 ，對我們的基本功考驗反而越嚴苛 。用這句話來甩鍋，我們搜出來的那個高讚答案，

但這才是最恐怖的地方 。您說得對，立下一個死規矩 
：信任在工程實踐中非常寶貴 。覺得“它都這麽努力理解我了，底下往往跟著一堆評論：“哥 ，或者一個隨時會拋出 NullPointerException的第三方黑盒依賴。寫各種複雜的 System Prompt，沒有“以為” ，不用拿績效，大家都在焦慮“我是不是要被淘汰了” 、就算把整個支付寶或者微信的後台搞崩潰了，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，”

“我指出了它的 Bug
，

別被排版糊弄了
：沒跑過驗證的代碼，我最近在查一個內存泄漏的偶發 Bug 時，你的 Code Review 雷達才不會失效。會在潛意識裏給你一種錯覺：你在和一個雖然有點粗心
，業務邏輯根本跑不通的代碼。是帶著“人類傷疤”的。大不了就是重啟一下進程。 顶: 144踩: 7532