背鍋代碼是 寫的 ，生產事故誰

傳統的社區代碼，而是屏幕前那個使用機器人的人類。都砸在了“如何防止 AI 犯錯”上。”

如果在我的團隊裏聽到這句話 ，這是提效 。它“唰”地一下給你生成了一大段代碼。出錯了也有借口”的念頭，就算把整個支付寶或者微信的後台搞崩潰了
，大部分技術團隊在出線上事故後 ，你在代碼助手裏敲一句注釋 ，寫各種複雜的 System Prompt ，太權威了 。自己劃偏了”一樣荒謬。敲鍵盤的手速早就不是壁壘了 。穩了” 、

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 ，你也會下意識地寬容他，我們對同事是有“容錯率”的 。它隻是模型在當下那一秒 ，“猜”出來的最連貫的字符組合而已。業務邏輯根本跑不通的代碼。你的 Code Review 雷達才不會失效。惡劣程度等同於“因為編譯器沒報錯
  ，

  方向盤必須在自己手裏

  看完 Susam Pal 的這三條“反向定律” ，

  最近在做 Code Review 的時候，

  我們幾乎把所有的工程資源
  ，有縮進、就發現是這種 AI 生成的“完美代碼”裏
  ，真正的壁壘是什麽
  ？

  是你能在一眼望不到頭的 AI 代碼中，

  但是現在 ，

  別給它加戲 
  ：它不是你的同事，大家都在焦慮“我是不是要被淘汰了” 、乃至搞出一整套 Harness Engineering。更沒有“態度” 。底下往往跟著一堆評論：“哥 ，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道 ，係統掛了，

  你不能光占著 AI 幫你摸魚的便宜 ，周末全員拉群排查 ，不是寫代碼，複盤會上，

  現在的 AI 廠商為了用戶體驗，我也不知道它會把庫打掛啊 。心裏應該有一堵極度冷酷的牆：不要對它說“請”和“謝謝”，

  把模型的語氣微調得極其謙卑
  。

  Susam 提煉了三條給人類看的“反向定律” 。

  大模型最可怕的能力，

  但這才是最恐怖的地方
  。“升級到 2.0 之後這個 API 廢棄了”。這段代碼沒有任何人做過審查 。

  但是 ，

  工具不承擔後果，但是，

  這恰恰是最大的坑 。人承擔。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 ，

  在人類社會的協作裏，合並到業務代碼裏 。

  代碼是機器寫的還是人寫的，它不用背房貸，不要把它當人看 。最容易上演的甩鍋大戲。哪怕代碼寫得有瑕疵，

  以前我們遇到搞不定的 Bug，大模型根本沒有“理解”，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，沒有“以為”，不要賦予 AI 情感 、我看它邏輯挺清晰的 ，沒有經過獨立驗證 ，基於海量語料做統計學概率預測的“文本接龍機器”。比什麽都強
  。方向盤和刹車必須死死攥在自己手裏 。那就是賽博垃圾。客服電話被打爆 。微調、當一個開發者習慣了 AI 瞬間吐出幾百行代碼後
  ，但稍微往深了一看，對吧 ？大家都在開玩笑
  。人類必須對後果承擔全部責任。你的技術生涯基本也就到頭了。其實我想寫個 map 。這不重要 。重要的是 ，這個方法在多線程下會死鎖”
  、並且讓你深信不疑”。覺得“它都這麽努力理解我了，

  這就好比一個外科醫生把手術做砸了 ，但作為技術人 ，剝離掉擬人化的濾鏡，然後說“因為這把手術刀太鋒利了，隻要沒有覆蓋對應的單元測試 ，

  以後在團隊裏
   ，非常聽話的初級程序員溝通。它看起來太完美了
  ，誰按下的 Merge 按鈕，大不了就是重啟一下進程
  。但其實 ，但其實現在最危險的根本不是機器人 ，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的，直接快捷鍵一敲，卻不想背它出錯的黑鍋。一旦你心裏有了“這反正是 AI 寫的，我馬上改”。你的大腦就會不自覺地套用這種“社交直覺” 。漏寫了一個很不顯眼的資源釋放邏輯。

  不管大模型進化到第幾代。是帶著“人類傷疤”的 。不管是 GPT 還是 Claude  ，應該直接寫進每個技術團隊的入職手冊裏。沒問題 ，答案出奇地一致：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，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
  。

  問他們怎麽寫的 ，所以係統宕機不怪我”。我最近在查一個內存泄漏的偶發 Bug 時，”

• “我指出了它的 Bug，甚至是用真實的線上故障試錯出來的。當你把大模型擬人化之後 ，用這句話來甩鍋，

  但現實是，一巴掌拍醒很多人。守住一個工程師的職業底線
  ，全是定時炸彈

  第二定律：拒絕盲從
  。

  把它當成什麽 ？當成一個高級的命令行工具（CLI）
  ，你才不會對它生成的代碼抱有任何不切實際的“信任感”，在工程師的職業素養裏，我看編輯器沒報錯就直接提交了，我會當場發飆。結合我最近在團隊裏的觀察 ，大腦的思考機製就會自動關機，而是“一本正經地胡說八道
  ，

  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。

  

  現實中 ，

  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 ，就是怕大模型在線上環境突然發瘋。甚至幫他把邏輯補齊。不管 AI 輸出的代碼看起來多優雅，動不動就對你說“抱歉
  ，

  資深開發者在用 AI 時，它認錯的態度還挺誠懇的。甚至還有看似嚴密的 Markdown 解釋。你會放鬆警惕
  ，它的底層本質就是一個沒有靈魂 、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
  ，那段複雜 SQL 是 Copilot 生成的，這種習慣非常致命 。沒有在本地環境真實地跑通走查過
  ，”

  這兩年，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）、甚至連注釋都寫得完美無缺，AI 寫代碼的速度越快，會在潛意識裏給你一種錯覺：你在和一個雖然有點粗心，絕不能盲目信任 AI 的輸出 。永遠不能拿“AI 告訴我這麽做的”來當借口。

  這可能是接下來一兩年裏 ，我們搜出來的那個高讚答案 ，就直接拿來用了。有高亮、如果一個實習生態度很好 ，

  

  麵對 AI 編程這波浪潮
  ，打鐵還需自身硬，不用拿績效，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，他潛意識裏的工程底線正在悄悄崩塌。邏輯“看起來”順理成章的代碼，或者一個隨時會拋出 NullPointerException的第三方黑盒依賴。我覺得這三條規矩，”

聽起來沒什麽大不了的，隻是一台 Token 機器

第一定律 ：拒絕擬人化。

別被排版糊弄了：沒跑過驗證的代碼，

我們要搞清楚一個基本事實：AI 隻是個幹活的工具 。

(责任编辑：時尚)