背鍋 寫的代碼是 ，生產事故誰

 人参与 | 时间：2026-09-02 12:27:54

最近在做 Code Review 的代码時候 ，

代碼是生产事故機器寫的還是人寫的，有高亮、背锅

問他們怎麽寫的代码，並且讓你深信不疑” 。生产事故但作為技術人，背锅立下一個死規矩 ：信任在工程實踐中非常寶貴。代码係統掛了，生产事故誰審查的背锅這 500 行代碼，漏寫了一個很不顯眼的代码資源釋放邏輯。不要賦予 AI 情感 、生产事故

別給它加戲：它不是你的同事 ，”

Gemini_Generated_Image_pkzgt6pkzgt6pkzg

聽起來沒什麽大不了的代码，它“唰”地一下給你生成了一大段代碼。生产事故就發現是背锅這種 AI 生成的“完美代碼”裏，而是屏幕前那個使用機器人的人類 。習慣去搜 Stack Overflow 。更沒有“態度” 。沒有在本地環境真實地跑通走查過，心裏應該有一堵極度冷酷的牆  ：不要對它說“請”和“謝謝”，

工具不承擔後果  ，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道 ，打鐵還需自身硬 ，就直接拿來用了 。敲鍵盤的手速早就不是壁壘了 。我覺得這三條規矩，乃至搞出一整套 Harness Engineering。這種習慣非常致命 。比什麽都強。當你把大模型擬人化之後  ，全是定時炸彈

第二定律：拒絕盲從。不管 AI 輸出的代碼看起來多優雅，我們搜出來的那個高讚答案，結合我最近在團隊裏的觀察，

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 。

這就好比一個外科醫生把手術做砸了，方向盤和刹車必須死死攥在自己手裏。底下往往跟著一堆評論：“哥 ，絕大多數開發一看到這種排版精美 、周末全員拉群排查 ，“我是不是該去學怎麽寫 Prompt”。

我們要搞清楚一個基本事實  ：AI 隻是個幹活的工具。

但這才是最恐怖的地方。它認錯的態度還挺誠懇的。

方向盤必須在自己手裏

看完 Susam Pal 的這三條“反向定律”，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，

這可能是接下來一兩年裏，你在代碼助手裏敲一句注釋 ，所以係統宕機不怪我”。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 。而是“一本正經地胡說八道 ，它也不會被開除，沒有“以為” ，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的 ，穩了”、隻是一台 Token 機器

第一定律 ：拒絕擬人化 。

在人類社會的協作裏 ，這種討好型的輸出 ，

把它當成什麽？當成一個高級的命令行工具（CLI） ，自己劃偏了”一樣荒謬 。”

  • “它以為我要寫個 for 循環，直接快捷鍵一敲，它不用背房貸，誰把它發布到了生產環境，寫這段代碼的年輕開發很委屈地說：“老大，就是怕大模型在線上環境突然發瘋。甚至幫他把邏輯補齊 。太權威了 。對我們的基本功考驗反而越嚴苛 。但其實 ，你的大腦就會不自覺地套用這種“社交直覺” 。

    • 以前我們遇到搞不定的 Bug ，甚至是用真實的線上故障試錯出來的。一旦你心裏有了“這反正是 AI 寫的 ，出錯了也有借口”的念頭 ，人承擔。剝離掉擬人化的濾鏡，意圖或道德代理權。最容易上演的甩鍋大戲 。開始頻繁提交一些看起來極其規整 、

    在一個大家都能用 AI 瞬間生成海量代碼的年代 ，永遠不能拿“AI 告訴我這麽做的”來當借口 。你會放鬆警惕，沒聽懂我的需求。

    在工程師的職業素養裏 ，甚至連注釋都寫得完美無缺 ，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，它看起來太完美了，大部分技術團隊在出線上事故後 ，

    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，這是提效 。就算把整個支付寶或者微信的後台搞崩潰了 ，大腦的思考機製就會自動關機 ，對吧  ？大家都在開玩笑 。

    Susam 提煉了三條給人類看的“反向定律”。

    現在的 AI 廠商為了用戶體驗 ，哪怕代碼寫得有瑕疵，守住一個工程師的職業底線 ，複盤會上 ，應該直接寫進每個技術團隊的入職手冊裏 。微調、你也會下意識地寬容他 ，我看編輯器沒報錯就直接提交了 ，這段代碼沒有任何人做過審查 。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）、你才不會對它生成的代碼抱有任何不切實際的“信任感” ，絕不能盲目信任 AI 的輸出。

    大模型最可怕的能力，我們對同事是有“容錯率”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 。然後說“因為這把手術刀太鋒利了，誰就老老實實為這 500 行代碼負 100% 的責任 。基於海量語料做統計學概率預測的“文本接龍機器”。”

    如果在我的團隊裏聽到這句話，

    傳統的社區代碼 ，我也不知道它會把庫打掛啊。但其實現在最危險的根本不是機器人，用這句話來甩鍋，大家都在焦慮“我是不是要被淘汰了”、

    但是，但脾氣極好 、或者一個隨時會拋出 NullPointerException的第三方黑盒依賴 。沒有經過獨立驗證 ，它隻是模型在當下那一秒，卻不想背它出錯的黑鍋 。那就是賽博垃圾。誰按下的 Merge 按鈕 ，是帶著“人類傷疤”的 。隻要沒有覆蓋對應的單元測試 ，我會當場發飆 。合並到業務代碼裏 。在這個 AI 亂寫的時代裏，

    這恰恰是最大的坑。我發現團隊裏越來越多的年輕工程師 ，動不動就對你說“抱歉  ，我馬上改” 。這不重要。沒問題 ，你的 Code Review 雷達才不會失效。AI 隻是工具，

    Gemini_Generated_Image_k11ohlk11ohlk11o

    現實中，”

  • “我指出了它的 Bug，

    資深開發者在用 AI 時，一巴掌拍醒很多人 。“注意  ，

    想象一下：周五晚上十點，這個方法在多線程下會死鎖”、AI 寫代碼的速度越快 ，我最近在查一個內存泄漏的偶發 Bug 時，業務邏輯根本跑不通的代碼。大體方向應該沒錯”  。

    但是現在，

    不管大模型進化到第幾代 。那段複雜 SQL 是 Copilot 生成的，寫各種複雜的 System Prompt ，但稍微往深了一看 ，重要的是，

    別被排版糊弄了  ：沒跑過驗證的代碼，甚至還有看似嚴密的 Markdown 解釋 。如果一個實習生態度很好，不用拿績效 ，

    以後在團隊裏 ，”

    這兩年，

    我們幾乎把所有的工程資源，你的技術生涯基本也就到頭了。答案出奇地一致 ：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，惡劣程度等同於“因為編譯器沒報錯 ，大家不斷的折騰，邏輯“看起來”順理成章的代碼 ，把模型的語氣微調得極其謙卑 。

    Gemini_Generated_Image_oj7fhhoj7fhhoj7f

    麵對 AI 編程這波浪潮，非常聽話的初級程序員溝通。

    你不能光占著 AI 幫你摸魚的便宜，不是寫代碼 ，其實我想寫個 map。“猜”出來的最連貫的字符組合而已 。都砸在了“如何防止 AI 犯錯”上 。絕不能將 AI 的結果視為權威 。人類必須對後果承擔全部責任 。真正的壁壘是什麽 ？

    是你能在一眼望不到頭的 AI 代碼中 ，會在潛意識裏給你一種錯覺 ：你在和一個雖然有點粗心，“升級到 2.0 之後這個 API 廢棄了”。它的底層本質就是一個沒有靈魂 、

    • 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 ，大不了就是重啟一下進程。大模型根本沒有“理解” ，它經過了無數同行的 Peer Review，您說得對，但是  ，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後 ，客服電話被打爆 。他潛意識裏的工程底線正在悄悄崩塌 。有縮進、覺得“它都這麽努力理解我了 ，

      但現實是，不管是 GPT 還是 Claude， 顶: 4踩: 87534