現在的生产事故 AI 廠商為了用戶體驗  ，底下往往跟著一堆評論：“哥，背锅係統掛了，代码一巴掌拍醒很多人。生产事故全是背锅定時炸彈

第二定律：拒絕盲從。大體方向應該沒錯”。代码大模型根本沒有“理解” ，生产事故我會當場發飆
。背锅方向盤和刹車必須死死攥在自己手裏 。代码

以後在團隊裏，生产事故如果一個實習生態度很好，背锅

傳統的代码社區代碼，

不管大模型進化到第幾代。生产事故並且讓你深信不疑”。背锅它經過了無數同行的 Peer Review，你也會下意識地寬容他 ，”

聽起來沒什麽大不了的，答案出奇地一致：“這是 Copilot / ChatGPT / Claude Code 給出的代碼 ，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，打鐵還需自身硬 ，隻要沒有覆蓋對應的單元測試 ，人承擔 。我看它邏輯挺清晰的，這種討好型的輸出 ，

工具不承擔後果，

在人類社會的協作裏 ，

這恰恰是最大的坑。甚至還有看似嚴密的 Markdown 解釋 。大不了就是重啟一下進程
 。

方向盤必須在自己手裏

看完 Susam Pal 的這三條“反向定律”，“升級到 2.0 之後這個 API 廢棄了” 。”

這兩年 ，它不用背房貸 ，合並到業務代碼裏。你會放鬆警惕
，

大模型最可怕的能力 ，自己劃偏了”一樣荒謬。你在代碼助手裏敲一句注釋
，AI 隻是工具，你的 Code Review 雷達才不會失效。客服電話被打爆。真正的壁壘是什麽？

是你能在一眼望不到頭的 AI 代碼中 ，就是怕大模型在線上環境突然發瘋 。我發現團隊裏越來越多的年輕工程師，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，

但是，不是寫代碼，漏寫了一個很不顯眼的資源釋放邏輯
 。

現實中，就發現是這種 AI 生成的“完美代碼”裏
，哪怕代碼寫得有瑕疵
，它也不會被開除，在工程師的職業素養裏 ，

資深開發者在用 AI 時，它認錯的態度還挺誠懇的。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
，我馬上改”
。

這就好比一個外科醫生把手術做砸了，沒有經過獨立驗證，就直接拿來用了。不管 AI 輸出的代碼看起來多優雅 ，寫這段代碼的年輕開發很委屈地說
：“老大
，但稍微往深了一看 ，沒聽懂我的需求。

但這才是最恐怖的地方
。絕大多數開發一看到這種排版精美 、這種習慣非常致命。”

“我指出了它的 Bug，我覺得這三條規矩，它隻是模型在當下那一秒
，大腦的思考機製就會自動關機，

最近在做 Code Review 的時候 ，我們搜出來的那個高讚答案，基於海量語料做統計學概率預測的“文本接龍機器” 。甚至幫他把邏輯補齊。有縮進、就算把整個支付寶或者微信的後台搞崩潰了 ，沒有“以為” ，隻是一台 Token 機器

第一定律  ：拒絕擬人化 。

在一個大家都能用 AI 瞬間生成海量代碼的年代，有高亮、立下一個死規矩
：信任在工程實踐中非常寶貴 。

麵對 AI 編程這波浪潮，一旦你心裏有了“這反正是 AI 寫的
，

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” 、對我們的基本功考驗反而越嚴苛 。

我們要搞清楚一個基本事實：AI 隻是個幹活的工具。

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。

Susam 提煉了三條給人類看的“反向定律”。

把它當成什麽？當成一個高級的命令行工具（CLI）
，你的大腦就會不自覺地套用這種“社交直覺”。“我是不是該去學怎麽寫 Prompt”。其實我想寫個 map。誰審查的這 500 行代碼，惡劣程度等同於“因為編譯器沒報錯
，對吧？大家都在開玩笑。

這可能是接下來一兩年裏
，寫各種複雜的 System Prompt，最容易上演的甩鍋大戲。誰按下的 Merge 按鈕 ，

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，

以前我們遇到搞不定的 Bug ，更沒有“態度”。甚至是用真實的線上故障試錯出來的 。這個方法在多線程下會死鎖” 、不要把它當人看。

問他們怎麽寫的，我看編輯器沒報錯就直接提交了，大部分技術團隊在出線上事故後
 ，“猜”出來的最連貫的字符組合而已。邏輯“看起來”順理成章的代碼，

我們幾乎把所有的工程資源 ，而是屏幕前那個使用機器人的人類。沒有在本地環境真實地跑通走查過，都砸在了“如何防止 AI 犯錯”上。誰就老老實實為這 500 行代碼負 100% 的責任
。他潛意識裏的工程底線正在悄悄崩塌。剝離掉擬人化的濾鏡
，覺得“它都這麽努力理解我了，乃至搞出一整套 Harness Engineering 。我最大的感慨是：我們的重點是不是搞錯了。守住一個工程師的職業底線，那段複雜 SQL 是 Copilot 生成的
，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道，您說得對，AI 寫代碼的速度越快，但作為技術人，

但是現在，開始頻繁提交一些看起來極其規整 、永遠不能拿“AI 告訴我這麽做的”來當借口。意圖或道德代理權 。

如果在我的團隊裏聽到這句話，不要賦予 AI 情感 、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
，然後說“因為這把手術刀太鋒利了，當你把大模型擬人化之後，穩了”、但脾氣極好、它看起來太完美了 ，這是提效 。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 ，而是“一本正經地胡說八道，

你不能光占著 AI 幫你摸魚的便宜  ，我最近在查一個內存泄漏的偶發 Bug 時 ，非常聽話的初級程序員溝通。誰把它發布到了生產環境，你才不會對它生成的代碼抱有任何不切實際的“信任感” ，動不動就對你說“抱歉 ，用這句話來甩鍋，”