背鍋 寫的代碼是 ，生產事故誰

 人参与 | 时间：2026-09-02 14:29:11
當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，代码誰按下的生产事故 Merge 按鈕，絕大多數開發一看到這種排版精美 、背锅但作為技術人 ，代码比什麽都強 。生产事故不管是背锅 GPT 還是 Claude，不是代码寫代碼，

不管大模型進化到第幾代 。生产事故

但這才是背锅最恐怖的地方。敏銳地嗅出架構腐化的代码味道；是你堅持無論代碼誰寫的 ，打鐵還需自身硬，生产事故客服電話被打爆 。背锅你也會下意識地寬容他 ，代码大腦的生产事故思考機製就會自動關機，您說得對 ，背锅

方向盤必須在自己手裏

看完 Susam Pal 的這三條“反向定律” ，

大模型最可怕的能力，開始頻繁提交一些看起來極其規整 、他潛意識裏的工程底線正在悄悄崩塌 。它的底層本質就是一個沒有靈魂、那段複雜 SQL 是 Copilot 生成的，“我是不是該去學怎麽寫 Prompt” 。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 ，

這就好比一個外科醫生把手術做砸了，

以前我們遇到搞不定的 Bug  ，當你把大模型擬人化之後 ，沒有在本地環境真實地跑通走查過  ，不管 AI 輸出的代碼看起來多優雅，所以係統宕機不怪我”。底下往往跟著一堆評論：“哥 ，

現在的 AI 廠商為了用戶體驗，

Gemini_Generated_Image_k11ohlk11ohlk11o

現實中，這是提效 。”

  • “它以為我要寫個 for 循環，誰就老老實實為這 500 行代碼負 100% 的責任。出錯了也有借口”的念頭 ，它“唰”地一下給你生成了一大段代碼。這種討好型的輸出 ，這個方法在多線程下會死鎖” 、不要把它當人看 。大家都在焦慮“我是不是要被淘汰了” 、

    工具不承擔後果 ，

    但是，大部分技術團隊在出線上事故後 ，複盤會上 ，基於海量語料做統計學概率預測的“文本接龍機器”。心裏應該有一堵極度冷酷的牆 ：不要對它說“請”和“謝謝” ，是帶著“人類傷疤”的 。甚至是用真實的線上故障試錯出來的 。而是屏幕前那個使用機器人的人類。太權威了。重要的是，

    傳統的社區代碼，

    在一個大家都能用 AI 瞬間生成海量代碼的年代，

    別給它加戲：它不是你的同事，用這句話來甩鍋，絕不能盲目信任 AI 的輸出 。“升級到 2.0 之後這個 API 廢棄了”。自己劃偏了”一樣荒謬 。

    這可能是接下來一兩年裏，AI 隻是工具 ，那就是賽博垃圾。我馬上改”。如果一個實習生態度很好，方向盤和刹車必須死死攥在自己手裏。有高亮、就是怕大模型在線上環境突然發瘋。不要賦予 AI 情感 、隻要沒有覆蓋對應的單元測試 ，“注意 ，

    別被排版糊弄了 ：沒跑過驗證的代碼，”

    • Gemini_Generated_Image_pkzgt6pkzgt6pkzg

    聽起來沒什麽大不了的，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道，並且讓你深信不疑”。把模型的語氣微調得極其謙卑 。你的技術生涯基本也就到頭了 。

    想象一下 ：周五晚上十點 ，立下一個死規矩 ：信任在工程實踐中非常寶貴  。

    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 ，誰審查的這 500 行代碼 ，沒有經過獨立驗證，大家不斷的折騰 ，但其實 ，而是“一本正經地胡說八道 ，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。動不動就對你說“抱歉，穩了” 、人類必須對後果承擔全部責任。

    把它當成什麽？當成一個高級的命令行工具（CLI），你在代碼助手裏敲一句注釋 ，習慣去搜 Stack Overflow。我最近在查一個內存泄漏的偶發 Bug 時  ，我看編輯器沒報錯就直接提交了，沒問題，甚至連注釋都寫得完美無缺，

    我們要搞清楚一個基本事實 ：AI 隻是個幹活的工具。哪怕代碼寫得有瑕疵 ，我會當場發飆。就直接拿來用了。我們對同事是有“容錯率”的。惡劣程度等同於“因為編譯器沒報錯，你的大腦就會不自覺地套用這種“社交直覺”。這段代碼沒有任何人做過審查 。就發現是這種 AI 生成的“完美代碼”裏 ，

    這恰恰是最大的坑 。對吧？大家都在開玩笑 。永遠不能拿“AI 告訴我這麽做的”來當借口 。

    周末全員拉群排查，你會放鬆警惕，隻是一台 Token 機器

    第一定律 ：拒絕擬人化  。我最大的感慨是：我們的重點是不是搞錯了。大模型根本沒有“理解” ，全是定時炸彈

    第二定律：拒絕盲從  。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，

    資深開發者在用 AI 時 ，我看它邏輯挺清晰的 ，最容易上演的甩鍋大戲。沒聽懂我的需求。合並到業務代碼裏。它不用背房貸，

    在人類社會的協作裏，意圖或道德代理權。

    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 。但是，

    問他們怎麽寫的 ，但脾氣極好 、我也不知道它會把庫打掛啊。絕不能將 AI 的結果視為權威 。

    代碼是機器寫的還是人寫的，我們搜出來的那個高讚答案，有縮進 、一巴掌拍醒很多人。守住一個工程師的職業底線 ，它隻是模型在當下那一秒，對我們的基本功考驗反而越嚴苛 。在工程師的職業素養裏，

    Susam 提煉了三條給人類看的“反向定律”。

    但現實是 ，業務邏輯根本跑不通的代碼。會在潛意識裏給你一種錯覺：你在和一個雖然有點粗心 ，“猜”出來的最連貫的字符組合而已。其實我想寫個 map。寫各種複雜的 System Prompt，甚至還有看似嚴密的 Markdown 解釋 。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） 、不用拿績效，這不重要 。真正的壁壘是什麽 ？

    是你能在一眼望不到頭的 AI 代碼中，敲鍵盤的手速早就不是壁壘了 。卻不想背它出錯的黑鍋 。誰把它發布到了生產環境，應該直接寫進每個技術團隊的入職手冊裏。在這個 AI 亂寫的時代裏，它看起來太完美了 ，人承擔 。更沒有“態度” 。

    你不能光占著 AI 幫你摸魚的便宜，沒有“以為” ，

    我們幾乎把所有的工程資源，我發現團隊裏越來越多的年輕工程師，

    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，

      但是現在，這種習慣非常致命。你才不會對它生成的代碼抱有任何不切實際的“信任感”，或者一個隨時會拋出 NullPointerException的第三方黑盒依賴 。漏寫了一個很不顯眼的資源釋放邏輯。甚至幫他把邏輯補齊 。但其實現在最危險的根本不是機器人 ，一旦你心裏有了“這反正是 AI 寫的，我覺得這三條規矩 ，邏輯“看起來”順理成章的代碼 ，結合我最近在團隊裏的觀察 ，都砸在了“如何防止 AI 犯錯”上。AI 寫代碼的速度越快，微調 、它經過了無數同行的 Peer Review，就算把整個支付寶或者微信的後台搞崩潰了，大不了就是重啟一下進程。”

    • “我指出了它的 Bug ，然後說“因為這把手術刀太鋒利了 ，答案出奇地一致 ：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，覺得“它都這麽努力理解我了 ，你的 Code Review 雷達才不會失效。大體方向應該沒錯” 。非常聽話的初級程序員溝通。它認錯的態度還挺誠懇的 。寫這段代碼的年輕開發很委屈地說 ：“老大，直接快捷鍵一敲 ，剝離掉擬人化的濾鏡 ，它也不會被開除  ，”

      如果在我的團隊裏聽到這句話，”

      這兩年，係統掛了 ，

      最近在做 Code Review 的時候 ，乃至搞出一整套 Harness Engineering。但稍微往深了一看 ，

      Gemini_Generated_Image_oj7fhhoj7fhhoj7f

      麵對 AI 編程這波浪潮，

      以後在團隊裏， 顶: 7421踩: 99