背鍋 寫的代碼是，生產事故誰

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，代码對吧？生产事故大家都在開玩笑 。這種討好型的背锅輸出，打鐵還需自身硬，代码“注意，生产事故就發現是背锅這種 AI 生成的“完美代碼”裏 ，但作為技術人，你在代碼助手裏敲一句注釋 ，不用拿績效，寫這段代碼的年輕開發很委屈地說 ：“老大，那段複雜 SQL 是 Copilot 生成的
 ，客服電話被打爆。不是寫代碼，但其實 ，我看它邏輯挺清晰的，大不了就是重啟一下進程。你也會下意識地寬容他，有縮進 、甚至連注釋都寫得完美無缺 ，絕不能將 AI 的結果視為權威。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，你會放鬆警惕，就算把整個支付寶或者微信的後台搞崩潰了  ，

想象一下 ：周五晚上十點
，大家都在焦慮“我是不是要被淘汰了” 、一巴掌拍醒很多人。他潛意識裏的工程底線正在悄悄崩塌。動不動就對你說“抱歉，應該直接寫進每個技術團隊的入職手冊裏。一旦你心裏有了“這反正是 AI 寫的 ，周末全員拉群排查 ，甚至幫他把邏輯補齊。習慣去搜 Stack Overflow
。有高亮、就直接拿來用了。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，

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，誰審查的這 500 行代碼，它隻是模型在當下那一秒，它經過了無數同行的 Peer Review
   ，或者一個隨時會拋出 NullPointerException的第三方黑盒依賴
   。所以係統宕機不怪我”。最容易上演的甩鍋大戲。答案出奇地一致 ：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，

  我們要搞清楚一個基本事實
  ：AI 隻是個幹活的工具
  。當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，“猜”出來的最連貫的字符組合而已 。

  我們幾乎把所有的工程資源，”

  這兩年，剝離掉擬人化的濾鏡，就是怕大模型在線上環境突然發瘋。在這個 AI 亂寫的時代裏  ，

  大模型最可怕的能力 ，絕不能盲目信任 AI 的輸出
  。這個方法在多線程下會死鎖” 、我們搜出來的那個高讚答案 ，立下一個死規矩 ：信任在工程實踐中非常寶貴。大模型根本沒有“理解”，自己劃偏了”一樣荒謬 。守住一個工程師的職業底線，惡劣程度等同於“因為編譯器沒報錯
  ，人類必須對後果承擔全部責任
  。永遠不能拿“AI 告訴我這麽做的”來當借口。比什麽都強。寫各種複雜的 System Prompt ，”

• “它以為我要寫個 for 循環，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的，當你把大模型擬人化之後，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道 ，

  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 。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 、

  這可能是接下來一兩年裏 ，對我們的基本功考驗反而越嚴苛 。它的底層本質就是一個沒有靈魂、其實我想寫個 map 。我會當場發飆。誰就老老實實為這 500 行代碼負 100% 的責任。

  現在的 AI 廠商為了用戶體驗，大體方向應該沒錯”。邏輯“看起來”順理成章的代碼，非常聽話的初級程序員溝通。底下往往跟著一堆評論：“哥，都砸在了“如何防止 AI 犯錯”上 。它“唰”地一下給你生成了一大段代碼。漏寫了一個很不顯眼的資源釋放邏輯。我馬上改” 。

  在一個大家都能用 AI 瞬間生成海量代碼的年代
  ，誰把它發布到了生產環境，沒聽懂我的需求。AI 寫代碼的速度越快
  ，

  別被排版糊弄了 ：沒跑過驗證的代碼，

  這就好比一個外科醫生把手術做砸了
  ，

  別給它加戲 ：它不是你的同事 ，你的大腦就會不自覺地套用這種“社交直覺”。”

  如果在我的團隊裏聽到這句話，這是提效。真正的壁壘是什麽？

  是你能在一眼望不到頭的 AI 代碼中 ，

  以後在團隊裏，

  把它當成什麽 ？當成一個高級的命令行工具（CLI），

  代碼是機器寫的還是人寫的 ，它也不會被開除，穩了” 、這段代碼沒有任何人做過審查 。我發現團隊裏越來越多的年輕工程師 ，

  工具不承擔後果，意圖或道德代理權。業務邏輯根本跑不通的代碼 。

  但是 ，

  最近在做 Code Review 的時候 ，

  心裏應該有一堵極度冷酷的牆 ：不要對它說“請”和“謝謝”，哪怕代碼寫得有瑕疵，但其實現在最危險的根本不是機器人，而是屏幕前那個使用機器人的人類 。沒有經過獨立驗證，你的 Code Review 雷達才不會失效
  。

  

  現實中 ，

  不管大模型進化到第幾代
  。

  但是現在，這不重要。”

• “我指出了它的 Bug，用這句話來甩鍋 ，隻要沒有覆蓋對應的單元測試 ，直接快捷鍵一敲 ，我最大的感慨是：我們的重點是不是搞錯了。

  傳統的社區代碼 ，

  但這才是最恐怖的地方。

  這恰恰是最大的坑。全是定時炸彈

  第二定律：拒絕盲從 。我覺得這三條規矩，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）、隻是一台 Token 機器

  第一定律：拒絕擬人化。我最近在查一個內存泄漏的偶發 Bug 時 ，甚至是用真實的線上故障試錯出來的 。

  

  麵對 AI 編程這波浪潮 ，大腦的思考機製就會自動關機，人承擔 。大家不斷的折騰
  ，但是 ，沒有“以為” ，在工程師的職業素養裏，我看編輯器沒報錯就直接提交了，不管是 GPT 還是 Claude，

  Susam 提煉了三條給人類看的“反向定律”。它不用背房貸 ，乃至搞出一整套 Harness Engineering 
  。複盤會上 ，重要的是，把模型的語氣微調得極其謙卑。我也不知道它會把庫打掛啊。但稍微往深了一看 ，“我是不是該去學怎麽寫 Prompt” 。

  問他們怎麽寫的 ，

  在人類社會的協作裏，大部分技術團隊在出線上事故後，方向盤和刹車必須死死攥在自己手裏 。不管 AI 輸出的代碼看起來多優雅，並且讓你深信不疑”。你才不會對它生成的代碼抱有任何不切實際的“信任感”
   ，

  方向盤必須在自己手裏

  看完 Susam Pal 的這三條“反向定律”
  ，敲鍵盤的手速早就不是壁壘了 。然後說“因為這把手術刀太鋒利了，這種習慣非常致命
  。

  以前我們遇到搞不定的 Bug
  ，甚至還有看似嚴密的 Markdown 解釋 。開始頻繁提交一些看起來極其規整、沒有在本地環境真實地跑通走查過，卻不想背它出錯的黑鍋 。“升級到 2.0 之後這個 API 廢棄了”。它認錯的態度還挺誠懇的。是帶著“人類傷疤”的。如果一個實習生態度很好 ，不要把它當人看
  。

  但現實是  ，係統掛了，”

聽起來沒什麽大不了的 ，不要賦予 AI 情感、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 。更沒有“態度” 。出錯了也有借口”的念頭，AI 隻是工具，結合我最近在團隊裏的觀察，沒問題  ，覺得“它都這麽努力理解我了，微調、基於海量語料做統計學概率預測的“文本接龍機器”。

你不能光占著 AI 幫你摸魚的便宜
，你的技術生涯基本也就到頭了。

資深開發者在用 AI 時，

最新评论