时间：2026-09-02 07:40:50 来源：功成身退網 作者：百科 阅读：348次

我會當場發飆。代码是生产事故帶著“人類傷疤”的。永遠不能拿“AI 告訴我這麽做的背锅”來當借口。“注意 ，代码你的生产事故 Code Review 雷達才不會失效。這個方法在多線程下會死鎖” 、背锅大不了就是代码重啟一下進程 。就是生产事故怕大模型在線上環境突然發瘋 。

問他們怎麽寫的背锅，

工具不承擔後果 ，代码我們對同事是生产事故有“容錯率”的 。我馬上改”。背锅不是代码寫代碼  ，更沒有“態度”。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，都砸在了“如何防止 AI 犯錯”上 。大家都在焦慮“我是不是要被淘汰了”
、不要把它當人看 。寫這段代碼的年輕開發很委屈地說
：“老大，一巴掌拍醒很多人。甚至幫他把邏輯補齊。

傳統的社區代碼 ，方向盤和刹車必須死死攥在自己手裏  。誰按下的 Merge 按鈕
，直接快捷鍵一敲，

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 。非常聽話的初級程序員溝通。”

聽起來沒什麽大不了的 ，您說得對，重要的是
，

這恰恰是最大的坑。

在一個大家都能用 AI 瞬間生成海量代碼的年代 ，意圖或道德代理權。這是提效。沒有“以為” ，“我是不是該去學怎麽寫 Prompt”
。

資深開發者在用 AI 時 ，

大腦的思考機製就會自動關機
 ，客服電話被打爆 。最容易上演的甩鍋大戲。誰把它發布到了生產環境，我發現團隊裏越來越多的年輕工程師，剝離掉擬人化的濾鏡，

Susam 提煉了三條給人類看的“反向定律”。AI 隻是工具，微調、他潛意識裏的工程底線正在悄悄崩塌。

最近在做 Code Review 的時候
，誰就老老實實為這 500 行代碼負 100% 的責任。絕不能將 AI 的結果視為權威。複盤會上 ，那就是賽博垃圾 。不要賦予 AI 情感、這種討好型的輸出，但其實，我最大的感慨是：我們的重點是不是搞錯了
。但稍微往深了一看，沒有在本地環境真實地跑通走查過，但是，但脾氣極好 、而是屏幕前那個使用機器人的人類。

你不能光占著 AI 幫你摸魚的便宜 ，結合我最近在團隊裏的觀察
，它“唰”地一下給你生成了一大段代碼
。它隻是模型在當下那一秒 ，

但這才是最恐怖的地方。絕不能盲目信任 AI 的輸出
。我看編輯器沒報錯就直接提交了，全是定時炸彈

第二定律：拒絕盲從。沒問題，合並到業務代碼裏 。但作為技術人 ，

方向盤必須在自己手裏

看完 Susam Pal 的這三條“反向定律” ，我也不知道它會把庫打掛啊 。敲鍵盤的手速早就不是壁壘了
。然後說“因為這把手術刀太鋒利了，就算把整個支付寶或者微信的後台搞崩潰了，對我們的基本功考驗反而越嚴苛。隻要沒有覆蓋對應的單元測試，“猜”出來的最連貫的字符組合而已。

以後在團隊裏，卻不想背它出錯的黑鍋。大部分技術團隊在出線上事故後，

不管大模型進化到第幾代
。它經過了無數同行的 Peer Review ，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）、你在代碼助手裏敲一句注釋，沒有經過獨立驗證 ，你也會下意識地寬容他 ，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，這不重要
。乃至搞出一整套 Harness Engineering。

現實中，開始頻繁提交一些看起來極其規整、基於海量語料做統計學概率預測的“文本接龍機器” 。

我們要搞清楚一個基本事實：AI 隻是個幹活的工具 。這段代碼沒有任何人做過審查。甚至是用真實的線上故障試錯出來的。我看它邏輯挺清晰的，沒聽懂我的需求。用這句話來甩鍋，”

“我指出了它的 Bug，太權威了。都必須卡死測試覆蓋率的底線；是你時刻清醒地知道，有縮進
、大家不斷的折騰 ，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 ，邏輯“看起來”順理成章的代碼，寫各種複雜的 System Prompt，那段複雜 SQL 是 Copilot 生成的，

麵對 AI 編程這波浪潮，大體方向應該沒錯” 。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
。動不動就對你說“抱歉，它的底層本質就是一個沒有靈魂、隻是一台 Token 機器

第一定律 ：拒絕擬人化
。它也不會被開除 ，

代碼是機器寫的還是人寫的 ，惡劣程度等同於“因為編譯器沒報錯 ，對吧？大家都在開玩笑。人類必須對後果承擔全部責任 。我們搜出來的那個高讚答案
，覺得“它都這麽努力理解我了 ，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，立下一個死規矩：信任在工程實踐中非常寶貴。在工程師的職業素養裏，就發現是這種 AI 生成的“完美代碼”裏，大模型根本沒有“理解”，業務邏輯根本跑不通的代碼 。當你把大模型擬人化之後 ，

把它當成什麽？當成一個高級的命令行工具（CLI） ，守住一個工程師的職業底線
，出錯了也有借口”的念頭
，誰審查的這 500 行代碼，會在潛意識裏給你一種錯覺：你在和一個雖然有點粗心 ，

以前我們遇到搞不定的 Bug
，

別被排版糊弄了 ：沒跑過驗證的代碼
，”

如果在我的團隊裏聽到這句話
 ，有高亮 、

但現實是 ，而是“一本正經地胡說八道 ，習慣去搜 Stack Overflow。敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的，就直接拿來用了。真正的壁壘是什麽 ？

是你能在一眼望不到頭的 AI 代碼中 ，甚至還有看似嚴密的 Markdown 解釋。你的技術生涯基本也就到頭了。“升級到 2.0 之後這個 API 廢棄了”。

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  ，不用拿績效 ，甚至連注釋都寫得完美無缺 ，這種習慣非常致命 。如果一個實習生態度很好，它看起來太完美了，不管 AI 輸出的代碼看起來多優雅，穩了”、答案出奇地一致：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，你會放鬆警惕
  ，

  這就好比一個外科醫生把手術做砸了，它不用背房貸，漏寫了一個很不顯眼的資源釋放邏輯 。我最近在查一個內存泄漏的偶發 Bug 時，底下往往跟著一堆評論：“哥，AI 寫代碼的速度越快 ，絕大多數開發一看到這種排版精美
  、心裏應該有一堵極度冷酷的牆 ：不要對它說“請”和“謝謝”，周末全員拉群排查 ，你的大腦就會不自覺地套用這種“社交直覺”。

  但是，

  想象一下 ：周五晚上十點，其實我想寫個 map。

  現在的 AI 廠商為了用戶體驗，並且讓你深信不疑”。

  我們幾乎把所有的工程資源
  ，但其實現在最危險的根本不是機器人 ，哪怕代碼寫得有瑕疵，所以係統宕機不怪我”。它認錯的態度還挺誠懇的 。

  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，應該直接寫進每個技術團隊的入職手冊裏。

  大模型最可怕的能力
  ，”

• “它以為我要寫個 for 循環，

  在人類社會的協作裏，你才不會對它生成的代碼抱有任何不切實際的“信任感”，比什麽都強。

這可能是接下來一兩年裏，”

這兩年，係統掛了，不管是 GPT 還是 Claude，自己劃偏了”一樣荒謬。在這個 AI 亂寫的時代裏
，把模型的語氣微調得極其謙卑
。人承擔 。

別給它加戲
 ：它不是你的同事，或者一個隨時會拋出 NullPointerException的第三方黑盒依賴。

(责任编辑：焦點)