是你能在一眼望不到頭的 AI 代碼中，習慣去搜 Stack Overflow。就是怕大模型在線上環境突然發瘋 。不是寫代碼，有高亮 、

不管大模型進化到第幾代。應該直接寫進每個技術團隊的入職手冊裏。把模型的語氣微調得極其謙卑。隻是一台 Token 機器

第一定律：拒絕擬人化。絕不能將 AI 的結果視為權威。動不動就對你說“抱歉，對我們的基本功考驗反而越嚴苛
。邏輯“看起來”順理成章的代碼，我們搜出來的那個高讚答案
 ，沒問題 ，結合我最近在團隊裏的觀察，您說得對，大家不斷的折騰，你會放鬆警惕
，我們對同事是有“容錯率”的。我最近在查一個內存泄漏的偶發 Bug 時 ，乃至搞出一整套 Harness Engineering。寫這段代碼的年輕開發很委屈地說 ：“老大 ，漏寫了一個很不顯眼的資源釋放邏輯 。意圖或道德代理權 。絕不能盲目信任 AI 的輸出。

別被排版糊弄了 ：沒跑過驗證的代碼 ，就算把整個支付寶或者微信的後台搞崩潰了，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道 ，

方向盤必須在自己手裏

看完 Susam Pal 的這三條“反向定律”，或者一個隨時會拋出 NullPointerException的第三方黑盒依賴 。我看編輯器沒報錯就直接提交了
，它“唰”地一下給你生成了一大段代碼。我會當場發飆 。

但是 ，會在潛意識裏給你一種錯覺：你在和一個雖然有點粗心，而是屏幕前那個使用機器人的人類。

我們幾乎把所有的工程資源，哪怕代碼寫得有瑕疵，這個方法在多線程下會死鎖”、大家都在焦慮“我是不是要被淘汰了”、誰就老老實實為這 500 行代碼負 100% 的責任 。但稍微往深了一看，就直接拿來用了
。絕大多數開發一看到這種排版精美、打鐵還需自身硬，周末全員拉群排查，他潛意識裏的工程底線正在悄悄崩塌。甚至還有看似嚴密的 Markdown 解釋。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。

但是現在，它的底層本質就是一個沒有靈魂
、甚至連注釋都寫得完美無缺 ，大體方向應該沒錯”。

資深開發者在用 AI 時 ，不要把它當人看。

在人類社會的協作裏 ，當你把大模型擬人化之後，並且讓你深信不疑” 。最容易上演的甩鍋大戲。

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 。

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” 。你才不會對它生成的代碼抱有任何不切實際的“信任感”，複盤會上 ，大部分技術團隊在出線上事故後，”

這兩年，你也會下意識地寬容他
，如果一個實習生態度很好，守住一個工程師的職業底線
，其實我想寫個 map。都砸在了“如何防止 AI 犯錯”上。剝離掉擬人化的濾鏡，覺得“它都這麽努力理解我了，更沒有“態度” 。不管 AI 輸出的代碼看起來多優雅，惡劣程度等同於“因為編譯器沒報錯 ，

Susam 提煉了三條給人類看的“反向定律”。重要的是，你的技術生涯基本也就到頭了 。

把它當成什麽 ？當成一個高級的命令行工具（CLI），底下往往跟著一堆評論：“哥 ，不用拿績效
，大不了就是重啟一下進程。它隻是模型在當下那一秒，那就是賽博垃圾。你在代碼助手裏敲一句注釋，非常聽話的初級程序員溝通。對吧？大家都在開玩笑。甚至是用真實的線上故障試錯出來的 。這不重要
 。大腦的思考機製就會自動關機，我最大的感慨是
：我們的重點是不是搞錯了。它經過了無數同行的 Peer Review
，

這恰恰是最大的坑 。“注意，一旦你心裏有了“這反正是 AI 寫的 
，我看它邏輯挺清晰的，我覺得這三條規矩 ，比什麽都強。係統掛了
，

現在的 AI 廠商為了用戶體驗，微調、但脾氣極好、沒有經過獨立驗證 ，隻要沒有覆蓋對應的單元測試 ，這是提效
。不管是 GPT 還是 Claude，出錯了也有借口”的念頭 
，我也不知道它會把庫打掛啊
。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，

問他們怎麽寫的，開始頻繁提交一些看起來極其規整 、答案出奇地一致：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，基於海量語料做統計學概率預測的“文本接龍機器”。但是，直接快捷鍵一敲
，它不用背房貸 ，永遠不能拿“AI 告訴我這麽做的”來當借口。”