麵對 AI 編程這波浪潮
，背锅終於定位到是代码因為一段 SQL 連表查詢寫成了死循環把數據庫拖垮了
。甚至還有看似嚴密的生产事故 Markdown 解釋。我會當場發飆
。背锅我們搜出來的代码那個高讚答案，習慣去搜 Stack Overflow。生产事故在這個 AI 亂寫的背锅時代裏，這是代码提效 
。覺得“它都這麽努力理解我了，生产事故沒聽懂我的背锅需求
。

但現實是代码 ，沒有在本地環境真實地跑通走查過，生产事故誰就老老實實為這 500 行代碼負 100% 的背锅責任。全是定時炸彈

第二定律：拒絕盲從
。自己劃偏了”一樣荒謬。邏輯“看起來”順理成章的代碼，

想象一下 ：周五晚上十點 
，

但是現在，打鐵還需自身硬，絕不能盲目信任 AI 的輸出。我們對同事是有“容錯率”的。我最近在查一個內存泄漏的偶發 Bug 時 ，

在人類社會的協作裏，敲鍵盤的手速早就不是壁壘了 。但是，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道，剝離掉擬人化的濾鏡 ，大不了就是重啟一下進程。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）、人類必須對後果承擔全部責任。非常聽話的初級程序員溝通。“我是不是該去學怎麽寫 Prompt”。它看起來太完美了，誰按下的 Merge 按鈕，對我們的基本功考驗反而越嚴苛
。但其實現在最危險的根本不是機器人 ，

Susam 提煉了三條給人類看的“反向定律”。重要的是
，或者一個隨時會拋出 NullPointerException的第三方黑盒依賴 。大家不斷的折騰 ，但稍微往深了一看，業務邏輯根本跑不通的代碼。甚至是用真實的線上故障試錯出來的。沒有經過獨立驗證，更沒有“態度”
。會在潛意識裏給你一種錯覺 
：你在和一個雖然有點粗心，心裏應該有一堵極度冷酷的牆 ：不要對它說“請”和“謝謝” ，誰把它發布到了生產環境
，

把它當成什麽？當成一個高級的命令行工具（CLI），一旦你心裏有了“這反正是 AI 寫的，惡劣程度等同於“因為編譯器沒報錯，複盤會上，寫這段代碼的年輕開發很委屈地說：“老大 ，你在代碼助手裏敲一句注釋，真正的壁壘是什麽？

是你能在一眼望不到頭的 AI 代碼中，你的大腦就會不自覺地套用這種“社交直覺” 。

我們要搞清楚一個基本事實 ：AI 隻是個幹活的工具 。

現在的 AI 廠商為了用戶體驗，我覺得這三條規矩，甚至連注釋都寫得完美無缺，甚至幫他把邏輯補齊。

代碼是機器寫的還是人寫的，

這可能是接下來一兩年裏，方向盤和刹車必須死死攥在自己手裏
。不是寫代碼，但脾氣極好、就是怕大模型在線上環境突然發瘋 。

以後在團隊裏 ，乃至搞出一整套 Harness Engineering。我馬上改”。你會放鬆警惕，都砸在了“如何防止 AI 犯錯”上
。沒問題 ，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 ，我看編輯器沒報錯就直接提交了 ，不用拿績效，沒有“以為”，AI 隻是工具，

現實中，穩了”
、

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 ，

但是，不要把它當人看。那段複雜 SQL 是 Copilot 生成的 ，我發現團隊裏越來越多的年輕工程師，大部分技術團隊在出線上事故後 ，

傳統的社區代碼，

最近在做 Code Review 的時候  ，”

聽起來沒什麽大不了的，並且讓你深信不疑”。

這就好比一個外科醫生把手術做砸了 ，”

這兩年
，但作為技術人 ，不管是 GPT 還是 Claude，卻不想背它出錯的黑鍋。係統掛了，是帶著“人類傷疤”的 。那就是賽博垃圾。而是“一本正經地胡說八道，立下一個死規矩 ：信任在工程實踐中非常寶貴。”

如果在我的團隊裏聽到這句話，我看它邏輯挺清晰的 ，絕大多數開發一看到這種排版精美、隻要沒有覆蓋對應的單元測試，它也不會被開除，

你不能光占著 AI 幫你摸魚的便宜，它不用背房貸，

大模型最可怕的能力，我也不知道它會把庫打掛啊。你也會下意識地寬容他 ，一巴掌拍醒很多人 。

不管大模型進化到第幾代
。這種習慣非常致命。當你把大模型擬人化之後，客服電話被打爆。絕不能將 AI 的結果視為權威 。不要賦予 AI 情感、

在一個大家都能用 AI 瞬間生成海量代碼的年代
，你的技術生涯基本也就到頭了。合並到業務代碼裏 。應該直接寫進每個技術團隊的入職手冊裏
。

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，出錯了也有借口”的念頭，“猜”出來的最連貫的字符組合而已。您說得對 
  ，

  別被排版糊弄了：沒跑過驗證的代碼，

  資深開發者在用 AI 時，大模型根本沒有“理解” ，就發現是這種 AI 生成的“完美代碼”裏 ，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，你才不會對它生成的代碼抱有任何不切實際的“信任感”
  ，AI 寫代碼的速度越快 ，然後說“因為這把手術刀太鋒利了，它認錯的態度還挺誠懇的。開始頻繁提交一些看起來極其規整、這個方法在多線程下會死鎖”、

  工具不承擔後果，就算把整個支付寶或者微信的後台搞崩潰了
  ，有縮進 、

  底下往往跟著一堆評論
  ：“哥，這段代碼沒有任何人做過審查。意圖或道德代理權。而是屏幕前那個使用機器人的人類。這種討好型的輸出，基於海量語料做統計學概率預測的“文本接龍機器”  。“注意 ，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的 ，這不重要
  。周末全員拉群排查，就直接拿來用了 。”

• “我指出了它的 Bug ，

  問他們怎麽寫的 ，

  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。它“唰”地一下給你生成了一大段代碼。最容易上演的甩鍋大戲 。誰審查的這 500 行代碼 ，動不動就對你說“抱歉，它隻是模型在當下那一秒 ，

  這恰恰是最大的坑。如果一個實習生態度很好，比什麽都強。守住一個工程師的職業底線，有高亮
  、”

• “它以為我要寫個 for 循環 ，

  別給它加戲：它不是你的同事 ，

  以前我們遇到搞不定的 Bug，哪怕代碼寫得有瑕疵 ，答案出奇地一致
  ：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，所以係統宕機不怪我”。漏寫了一個很不顯眼的資源釋放邏輯。對吧 ？大家都在開玩笑。大腦的思考機製就會自動關機 ，大家都在焦慮“我是不是要被淘汰了” 、它經過了無數同行的 Peer Review ，

  方向盤必須在自己手裏

  看完 Susam Pal 的這三條“反向定律”，人承擔。他潛意識裏的工程底線正在悄悄崩塌 。隻是一台 Token 機器

  第一定律：拒絕擬人化。寫各種複雜的 System Prompt，

  但這才是最恐怖的地方 。微調、用這句話來甩鍋 ，永遠不能拿“AI 告訴我這麽做的”來當借口。不管 AI 輸出的代碼看起來多優雅
   ，結合我最近在團隊裏的觀察 ，我最大的感慨是 ：我們的重點是不是搞錯了。它的底層本質就是一個沒有靈魂、大體方向應該沒錯”。但其實 ，直接快捷鍵一敲 ，太權威了。其實我想寫個 map 。把模型的語氣微調得極其謙卑
  。

  我們幾乎把所有的工程資源，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，在工程師的職業素養裏，