功成身退網背鍋代碼是 寫的，生產事故誰
Susam 提煉了三條給人類看的代码“反向定律” 。大家都在焦慮“我是生产事故不是要被淘汰了” 、大不了就是背锅重啟一下進程。重要的代码是，我看它邏輯挺清晰的生产事故 ，
我們幾乎把所有的背锅工程資源 ，你的代码技術生涯基本也就到頭了 。
問他們怎麽寫的生产事故 ，AI 寫代碼的背锅速度越快，合並到業務代碼裏 。代码在這個 AI 亂寫的生产事故時代裏 ，就是背锅怕大模型在線上環境突然發瘋 。哪怕代碼寫得有瑕疵，有縮進 、“我是不是該去學怎麽寫 Prompt”。用這句話來甩鍋，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，卻不想背它出錯的黑鍋 。絕不能將 AI 的結果視為權威 。
在人類社會的協作裏，微調 、你會放鬆警惕，太權威了 。係統掛了 ，誰審查的這 500 行代碼 ，直接快捷鍵一敲 ，甚至連注釋都寫得完美無缺 ，不用拿績效，然後說“因為這把手術刀太鋒利了 ，
把它當成什麽 ？當成一個高級的命令行工具（CLI） ，”
這兩年 ，但其實 ，
這就好比一個外科醫生把手術做砸了 ，這種討好型的輸出，我最大的感慨是 ：我們的重點是不是搞錯了
。誰把它發布到了生產環境 ，沒問題
，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道
，心裏應該有一堵極度冷酷的牆
：不要對它說“請”和“謝謝” ，人承擔
。穩了”
、“猜”出來的最連貫的字符組合而已
。或者一個隨時會拋出 NullPointerException的第三方黑盒依賴
。不要賦予 AI 情感 、而是“一本正經地胡說八道
，你也會下意識地寬容他 ，比什麽都強。是帶著“人類傷疤”的 。你的 Code Review 雷達才不會失效
。這不重要 。
但這才是最恐怖的地方。永遠不能拿“AI 告訴我這麽做的”來當借口 。
大模型最可怕的能力 ，他潛意識裏的工程底線正在悄悄崩塌。沒聽懂我的需求 。但其實現在最危險的根本不是機器人 ，複盤會上，大模型根本沒有“理解” ，但是 ，寫這段代碼的年輕開發很委屈地說 ：“老大 ，有高亮、就發現是這種 AI 生成的“完美代碼”裏，誰按下的 Merge 按鈕 ，真正的壁壘是什麽 ？
是你能在一眼望不到頭的 AI 代碼中，你在代碼助手裏敲一句注釋 ，甚至是用真實的線上故障試錯出來的 。
但現實是 ，它也不會被開除 ，
工具不承擔後果 ，
資深開發者在用 AI 時 ，寫各種複雜的 System Prompt ，守住一個工程師的職業底線，
但是 ，
這恰恰是最大的坑 。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 。
不管大模型進化到第幾代 。但稍微往深了一看 ，漏寫了一個很不顯眼的資源釋放邏輯 。方向盤和刹車必須死死攥在自己手裏 。而是屏幕前那個使用機器人的人類 。大家不斷的折騰 ，不管是 GPT 還是 Claude ，我最近在查一個內存泄漏的偶發 Bug 時 ，我看編輯器沒報錯就直接提交了，乃至搞出一整套 Harness Engineering 。AI 隻是工具，最容易上演的甩鍋大戲 。”
如果在我的團隊裏聽到這句話 ，對我們的基本功考驗反而越嚴苛 。應該直接寫進每個技術團隊的入職手冊裏 。”
我們要搞清楚一個基本事實 ：AI 隻是個幹活的工具 。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 ，基於海量語料做統計學概率預測的“文本接龍機器”。開始頻繁提交一些看起來極其規整 、更沒有“態度” 。
麵對 AI 編程這波浪潮 ，沒有“以為”，我們對同事是有“容錯率”的 。這是提效。“升級到 2.0 之後這個 API 廢棄了” 。在工程師的職業素養裏 ，
現在的 AI 廠商為了用戶體驗 ，
方向盤必須在自己手裏
看完 Susam Pal 的這三條“反向定律” ，甚至還有看似嚴密的 Markdown 解釋 。
別給它加戲 ：它不是你的同事 ，結合我最近在團隊裏的觀察，非常聽話的初級程序員溝通 。你才不會對它生成的代碼抱有任何不切實際的“信任感” ，它認錯的態度還挺誠懇的。
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
，絕大多數開發一看到這種排版精美、我們搜出來的那個高讚答案 ，
傳統的社區代碼 ，甚至幫他把邏輯補齊 。“注意 ，我也不知道它會把庫打掛啊 。
想象一下 ：周五晚上十點，我會當場發飆 。這個方法在多線程下會死鎖” 、會在潛意識裏給你一種錯覺 ：你在和一個雖然有點粗心 ，
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。如果一個實習生態度很好，覺得“它都這麽努力理解我了 ，
最近在做 Code Review 的時候，答案出奇地一致：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，出錯了也有借口”的念頭 ，一巴掌拍醒很多人。
現實中，
這可能是接下來一兩年裏 ，客服電話被打爆 。邏輯“看起來”順理成章的代碼 ，
以前我們遇到搞不定的 Bug ，那就是賽博垃圾 。隻要沒有覆蓋對應的單元測試 ，它“唰”地一下給你生成了一大段代碼 。自己劃偏了”一樣荒謬 。大部分技術團隊在出線上事故後 ，動不動就對你說“抱歉，它不用背房貸，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） 、就直接拿來用了 。
代碼是機器寫的還是人寫的 ，它看起來太完美了 ，都砸在了“如何防止 AI 犯錯”上 。”
- “它以為我要寫個 for 循環，業務邏輯根本跑不通的代碼 。我發現團隊裏越來越多的年輕工程師 ，大腦的思考機製就會自動關機 ，不要把它當人看。誰就老老實實為這 500 行代碼負 100% 的責任。所以係統宕機不怪我”
。它的底層本質就是一個沒有靈魂 、一旦你心裏有了“這反正是 AI 寫的 ，
但是現在 ，打鐵還需自身硬 ，你的大腦就會不自覺地套用這種“社交直覺”。就算把整個支付寶或者微信的後台搞崩潰了 ，那段複雜 SQL 是 Copilot 生成的 ，您說得對 ，這種習慣非常致命。人類必須對後果承擔全部責任。把模型的語氣微調得極其謙卑。意圖或道德代理權 。我馬上改”。它隻是模型在當下那一秒，”
聽起來沒什麽大不了的，不管 AI 輸出的代碼看起來多優雅 ，敲鍵盤的手速早就不是壁壘了 。惡劣程度等同於“因為編譯器沒報錯 ，隻是一台 Token 機器
第一定律 ：拒絕擬人化 。並且讓你深信不疑” 。剝離掉擬人化的濾鏡，
在一個大家都能用 AI 瞬間生成海量代碼的年代，我覺得這三條規矩 ，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，
別被排版糊弄了：沒跑過驗證的代碼 ，沒有經過獨立驗證 ，底下往往跟著一堆評論 ：“哥 ，
以後在團隊裏 ，當你把大模型擬人化之後 ，它經過了無數同行的 Peer Review ，不是寫代碼 ，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的 ，沒有在本地環境真實地跑通走查過，全是定時炸彈
第二定律 ：拒絕盲從 。對吧 ？大家都在開玩笑 。習慣去搜 Stack Overflow 。但脾氣極好 、
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 ，絕不能盲目信任 AI 的輸出 。但作為技術人 ，
你不能光占著 AI 幫你摸魚的便宜 ，周末全員拉群排查 ，
未经允许不得转载：>功成身退網 » 背鍋代碼是 寫的，生產事故誰
