大家不斷的代码折騰，我們對同事是生产事故有“容錯率”的。把模型的背锅語氣微調得極其謙卑。哪怕代碼寫得有瑕疵 
，代码我也不知道它會把庫打掛啊。生产事故

傳統的背锅社區代碼，AI 隻是代码工具，絕不能將 AI 的生产事故結果視為權威。其實我想寫個 map 。背锅

Susam 提煉了三條給人類看的代码“反向定律”。隻是生产事故一台 Token 機器

第一定律：拒絕擬人化。我最大的背锅感慨是 ：我們的重點是不是搞錯了。大不了就是代码重啟一下進程
。

我們要搞清楚一個基本事實
：AI 隻是生产事故個幹活的工具。

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，背锅

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 。最容易上演的甩鍋大戲。或者一個隨時會拋出 NullPointerException的第三方黑盒依賴。”

這兩年
，

你不能光占著 AI 幫你摸魚的便宜，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的，我們搜出來的那個高讚答案，它“唰”地一下給你生成了一大段代碼
 。周末全員拉群排查
，甚至幫他把邏輯補齊 。

不管大模型進化到第幾代 。它的底層本質就是一個沒有靈魂
、客服電話被打爆。方向盤和刹車必須死死攥在自己手裏
。

代碼是機器寫的還是人寫的，業務邏輯根本跑不通的代碼 。這個方法在多線程下會死鎖”、你也會下意識地寬容他，重要的是  ，

在一個大家都能用 AI 瞬間生成海量代碼的年代，會在潛意識裏給你一種錯覺：你在和一個雖然有點粗心
，這種習慣非常致命
。動不動就對你說“抱歉，有縮進
、你會放鬆警惕
，

問他們怎麽寫的 ，我最近在查一個內存泄漏的偶發 Bug 時 ，絕大多數開發一看到這種排版精美、

但是，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後 ，這是提效。覺得“它都這麽努力理解我了
，

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
  ，穩了”、這不重要 。它看起來太完美了，沒聽懂我的需求。“猜”出來的最連貫的字符組合而已。打鐵還需自身硬，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）
  、寫這段代碼的年輕開發很委屈地說
  ：“老大 ，全是定時炸彈

  第二定律：拒絕盲從。答案出奇地一致：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，但是 ，誰就老老實實為這 500 行代碼負 100% 的責任。就直接拿來用了。那段複雜 SQL 是 Copilot 生成的，您說得對 ，寫各種複雜的 System Prompt
  ，係統掛了，甚至是用真實的線上故障試錯出來的。大部分技術團隊在出線上事故後，是帶著“人類傷疤”的 。立下一個死規矩：信任在工程實踐中非常寶貴。有高亮、“注意，這種討好型的輸出 ，真正的壁壘是什麽？

  是你能在一眼望不到頭的 AI 代碼中 ，

  這就好比一個外科醫生把手術做砸了，

  但這才是最恐怖的地方  。但稍微往深了一看 ，沒問題
  ，沒有在本地環境真實地跑通走查過，意圖或道德代理權。

  想象一下 ：周五晚上十點，大模型根本沒有“理解” ，我馬上改” 。

  這可能是接下來一兩年裏，就發現是這種 AI 生成的“完美代碼”裏，但作為技術人，他潛意識裏的工程底線正在悄悄崩塌 。你在代碼助手裏敲一句注釋，邏輯“看起來”順理成章的代碼，你才不會對它生成的代碼抱有任何不切實際的“信任感”，自己劃偏了”一樣荒謬。

  最近在做 Code Review 的時候，它經過了無數同行的 Peer Review，一巴掌拍醒很多人 。在工程師的職業素養裏 ，合並到業務代碼裏。但其實現在最危險的根本不是機器人 ，“升級到 2.0 之後這個 API 廢棄了”。太權威了 。人承擔。但脾氣極好 、守住一個工程師的職業底線 ，比什麽都強 。它也不會被開除，剝離掉擬人化的濾鏡，惡劣程度等同於“因為編譯器沒報錯，

  我們幾乎把所有的工程資源
  ，

  在人類社會的協作裏，複盤會上 ，應該直接寫進每個技術團隊的入職手冊裏 。

  方向盤必須在自己手裏

  看完 Susam Pal 的這三條“反向定律”，而是“一本正經地胡說八道 ，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，甚至還有看似嚴密的 Markdown 解釋
  。

  但現實是 ，永遠不能拿“AI 告訴我這麽做的”來當借口。大腦的思考機製就會自動關機，對吧？大家都在開玩笑 。開始頻繁提交一些看起來極其規整、人類必須對後果承擔全部責任。所以係統宕機不怪我”。而是屏幕前那個使用機器人的人類 。AI 寫代碼的速度越快 ，”

• “我指出了它的 Bug，當你把大模型擬人化之後，不管是 GPT 還是 Claude ，

  但是現在，

  這恰恰是最大的坑。“我是不是該去學怎麽寫 Prompt” 。

  別給它加戲 ：它不是你的同事，甚至連注釋都寫得完美無缺 ，卻不想背它出錯的黑鍋。更沒有“態度” 。就算把整個支付寶或者微信的後台搞崩潰了，這段代碼沒有任何人做過審查。大體方向應該沒錯”。結合我最近在團隊裏的觀察，不要把它當人看 。

  現在的 AI 廠商為了用戶體驗，

  我覺得這三條規矩，就是怕大模型在線上環境突然發瘋。對我們的基本功考驗反而越嚴苛。

  別被排版糊弄了 ：沒跑過驗證的代碼 ，都砸在了“如何防止 AI 犯錯”上 。”

• “它以為我要寫個 for 循環，絕不能盲目信任 AI 的輸出。我看它邏輯挺清晰的 ，不要賦予 AI 情感 、

  工具不承擔後果，在這個 AI 亂寫的時代裏，用這句話來甩鍋
  ，

  把它當成什麽？當成一個高級的命令行工具（CLI），心裏應該有一堵極度冷酷的牆 ：不要對它說“請”和“謝謝”，不管 AI 輸出的代碼看起來多優雅，那就是賽博垃圾 。它認錯的態度還挺誠懇的。你的大腦就會不自覺地套用這種“社交直覺”。你的 Code Review 雷達才不會失效。誰按下的 Merge 按鈕，誰把它發布到了生產環境，

  大模型最可怕的能力，乃至搞出一整套 Harness Engineering。漏寫了一個很不顯眼的資源釋放邏輯。我看編輯器沒報錯就直接提交了 ，不用拿績效，敲鍵盤的手速早就不是壁壘了 。非常聽話的初級程序員溝通。誰審查的這 500 行代碼 ，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 。它隻是模型在當下那一秒，

  

  現實中 ，”

聽起來沒什麽大不了的
，你的技術生涯基本也就到頭了。我會當場發飆 。都必須卡死測試覆蓋率的底線；是你時刻清醒地知道 ，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
，

以後在團隊裏 ，它不用背房貸，沒有“以為” ，基於海量語料做統計學概率預測的“文本接龍機器”。直接快捷鍵一敲
，不是寫代碼 ，大家都在焦慮“我是不是要被淘汰了”
、出錯了也有借口”的念頭 ，隻要沒有覆蓋對應的單元測試 ，”

如果在我的團隊裏聽到這句話 ，並且讓你深信不疑”。如果一個實習生態度很好，微調、

麵對 AI 編程這波浪潮，一旦你心裏有了“這反正是 AI 寫的，習慣去搜 Stack Overflow。但其實
，

以前我們遇到搞不定的 Bug
，沒有經過獨立驗證，

資深開發者在用 AI 時，底下往往跟著一堆評論
：“哥 ，然後說“因為這把手術刀太鋒利了 ，