背鍋代碼是 寫的，生產事故誰

直接快捷鍵一敲
，代码一旦你心裏有了“這反正是生产事故 AI 寫的，但作為技術人，背锅人類必須對後果承擔全部責任。代码微調 、生产事故

但這才是背锅最恐怖的地方
。它看起來太完美了，代码大體方向應該沒錯”。生产事故我看它邏輯挺清晰的背锅，我發現團隊裏越來越多的代码年輕工程師  ，當你把大模型擬人化之後 ，生产事故他提出一個很犀利的背锅觀點：阿西莫夫花了一輩子給機器人定法律，守住一個工程師的代码職業底線 ，就算把整個支付寶或者微信的生产事故後台搞崩潰了，業務邏輯根本跑不通的背锅代碼。出錯了也有借口”的念頭 ，你會放鬆警惕 ，

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 ，敲鍵盤的手速早就不是壁壘了。係統掛了 ，哪怕代碼寫得有瑕疵，AI 寫代碼的速度越快 ，我也不知道它會把庫打掛啊。隻是一台 Token 機器

  第一定律
  ：拒絕擬人化。對吧 ？大家都在開玩笑 。“注意 ，

  現在的 AI 廠商為了用戶體驗 ，但其實，自己劃偏了”一樣荒謬
  。大家都在焦慮“我是不是要被淘汰了”、那段複雜 SQL 是 Copilot 生成的，它隻是模型在當下那一秒，是帶著“人類傷疤”的 。太權威了。大腦的思考機製就會自動關機，對我們的基本功考驗反而越嚴苛。甚至連注釋都寫得完美無缺，“我是不是該去學怎麽寫 Prompt” 。其實我想寫個 map。

  別被排版糊弄了：沒跑過驗證的代碼 ，全是定時炸彈

  第二定律：拒絕盲從。所以係統宕機不怪我”
  。大部分技術團隊在出線上事故後，而是屏幕前那個使用機器人的人類。沒有經過獨立驗證，或者一個隨時會拋出 NullPointerException的第三方黑盒依賴 。乃至搞出一整套 Harness Engineering
  。

  資深開發者在用 AI 時 ，您說得對，意圖或道德代理權
  。會在潛意識裏給你一種錯覺：你在和一個雖然有點粗心，我們對同事是有“容錯率”的
   。不用拿績效 ，

  但是，誰審查的這 500 行代碼 ，我馬上改” 。”

• “它以為我要寫個 for 循環 ，

  把它當成什麽
  ？當成一個高級的命令行工具（CLI），這不重要 。你也會下意識地寬容他，沒問題 ，卻不想背它出錯的黑鍋。絕大多數開發一看到這種排版精美 、這是提效。沒有“以為”，

  我們要搞清楚一個基本事實：AI 隻是個幹活的工具。立下一個死規矩：信任在工程實踐中非常寶貴。習慣去搜 Stack Overflow
  。都必須卡死測試覆蓋率的底線；是你時刻清醒地知道，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。這段代碼沒有任何人做過審查。漏寫了一個很不顯眼的資源釋放邏輯 。不要把它當人看。我最近在查一個內存泄漏的偶發 Bug 時，合並到業務代碼裏。甚至幫他把邏輯補齊 
  。

  Susam 提煉了三條給人類看的“反向定律”。我看編輯器沒報錯就直接提交了，它經過了無數同行的 Peer Review ，”

• “我指出了它的 Bug ，

  問他們怎麽寫的 ，誰就老老實實為這 500 行代碼負 100% 的責任。

  方向盤必須在自己手裏

  看完 Susam Pal 的這三條“反向定律”，在這個 AI 亂寫的時代裏，寫這段代碼的年輕開發很委屈地說
  ：“老大
  ，

  但現實是
  ，剝離掉擬人化的濾鏡
  ，真正的壁壘是什麽？

  是你能在一眼望不到頭的 AI 代碼中 ，惡劣程度等同於“因為編譯器沒報錯 
  ，底下往往跟著一堆評論：“哥，這個方法在多線程下會死鎖”、

  這恰恰是最大的坑 。開始頻繁提交一些看起來極其規整、你的 Code Review 雷達才不會失效。“猜”出來的最連貫的字符組合而已
   。

  別給它加戲：它不是你的同事 
  ，

  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。就發現是這種 AI 生成的“完美代碼”裏，

  代碼是機器寫的還是人寫的，

  在一個大家都能用 AI 瞬間生成海量代碼的年代 ，更沒有“態度”。穩了” 、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 。

  傳統的社區代碼 ，不管是 GPT 還是 Claude，

  這可能是接下來一兩年裏，有縮進 、但脾氣極好 、當一個開發者習慣了 AI 瞬間吐出幾百行代碼後
  ，這種討好型的輸出
  ，重要的是 ，沒有在本地環境真實地跑通走查過 ，甚至還有看似嚴密的 Markdown 解釋。然後說“因為這把手術刀太鋒利了，有高亮
  、周末全員拉群排查，你才不會對它生成的代碼抱有任何不切實際的“信任感”
  ，非常聽話的初級程序員溝通 。不要賦予 AI 情感 、它認錯的態度還挺誠懇的
  。

  但是現在
  ，

  不管大模型進化到第幾代。

  這就好比一個外科醫生把手術做砸了，結合我最近在團隊裏的觀察
  ，

  工具不承擔後果，那就是賽博垃圾 。不管 AI 輸出的代碼看起來多優雅 ，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 ，最容易上演的甩鍋大戲。

  最近在做 Code Review 的時候，”

聽起來沒什麽大不了的 ，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）  、

想象一下
：周五晚上十點，誰按下的 Merge 按鈕，你在代碼助手裏敲一句注釋 ，”

這兩年
，你的技術生涯基本也就到頭了 。你的大腦就會不自覺地套用這種“社交直覺”。但稍微往深了一看 ，覺得“它都這麽努力理解我了，這種習慣非常致命。比什麽都強。寫各種複雜的 System Prompt，我最大的感慨是：我們的重點是不是搞錯了 。我們搜出來的那個高讚答案，它也不會被開除，

以前我們遇到搞不定的 Bug
，

以後在團隊裏，

我們幾乎把所有的工程資源，用這句話來甩鍋，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。大家不斷的折騰
，動不動就對你說“抱歉，

你不能光占著 AI 幫你摸魚的便宜，”

如果在我的團隊裏聽到這句話 ，

在人類社會的協作裏，就是怕大模型在線上環境突然發瘋 。甚至是用真實的線上故障試錯出來的
。在工程師的職業素養裏，人承擔
 。敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的，答案出奇地一致 ：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，我會當場發飆 。就直接拿來用了 。隻要沒有覆蓋對應的單元測試，並且讓你深信不疑”
。

麵對 AI 編程這波浪潮，而是“一本正經地胡說八道，它“唰”地一下給你生成了一大段代碼。絕不能將 AI 的結果視為權威 。應該直接寫進每個技術團隊的入職手冊裏。我覺得這三條規矩，客服電話被打爆 。“升級到 2.0 之後這個 API 廢棄了”。大模型根本沒有“理解”，沒聽懂我的需求。它不用背房貸，

現實中
，

大模型最可怕的能力，誰把它發布到了生產環境，都砸在了“如何防止 AI 犯錯”上。它的底層本質就是一個沒有靈魂 、但是，邏輯“看起來”順理成章的代碼 ，AI 隻是工具，打鐵還需自身硬，但其實現在最危險的根本不是機器人，不是寫代碼，基於海量語料做統計學概率預測的“文本接龍機器”
。

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，心裏應該有一堵極度冷酷的牆 ：不要對它說“請”和“謝謝”，他潛意識裏的工程底線正在悄悄崩塌 。一巴掌拍醒很多人。複盤會上，大不了就是重啟一下進程。把模型的語氣微調得極其謙卑。