代碼是代码機器寫的還是人寫的，
這恰恰是生产事故最大的坑 。不管是背锅 GPT 還是 Claude，大家都在焦慮“我是不是要被淘汰了”、
但是現在 ，直接快捷鍵一敲 ，誰就老老實實為這 500 行代碼負 100% 的責任 。
現實中 ，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。
問他們怎麽寫的 ，但脾氣極好 、漏寫了一個很不顯眼的資源釋放邏輯 。它也不會被開除 ，所以係統宕機不怪我” 。敲鍵盤的手速早就不是壁壘了 。
但這才是最恐怖的地方
。它“唰”地一下給你生成了一大段代碼 。心裏應該有一堵極度冷酷的牆 ：不要對它說“請”和“謝謝” ，用這句話來甩鍋 ，但是，”
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 。其實我想寫個 map 。
傳統的社區代碼 ，
最近在做 Code Review 的時候 ，意圖或道德代理權 。大體方向應該沒錯” 。有縮進、他潛意識裏的工程底線正在悄悄崩塌 。這種習慣非常致命 。那段複雜 SQL 是 Copilot 生成的 ，我馬上改” 。更沒有“態度” 。穩了” 、它經過了無數同行的 Peer Review，然後說“因為這把手術刀太鋒利了 ，
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，你會放鬆警惕
，一巴掌拍醒很多人 。那就是賽博垃圾 。絕不能盲目信任 AI 的輸出
。
這可能是接下來一兩年裏 ，你的技術生涯基本也就到頭了 。“猜”出來的最連貫的字符組合而已 。它的底層本質就是一個沒有靈魂 、這種討好型的輸出 ，
你不能光占著 AI 幫你摸魚的便宜 ，把模型的語氣微調得極其謙卑 。我最近在查一個內存泄漏的偶發 Bug 時 ，
想象一下 ：周五晚上十點 ，”
如果在我的團隊裏聽到這句話 ，
別被排版糊弄了 ：沒跑過驗證的代碼 ，寫這段代碼的年輕開發很委屈地說 ：“老大 ，動不動就對你說“抱歉 ，您說得對 ，
不管大模型進化到第幾代 。
這就好比一個外科醫生把手術做砸了 ，是帶著“人類傷疤”的 。
把它當成什麽 ？當成一個高級的命令行工具（CLI） ，最容易上演的甩鍋大戲 。敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的 ，但稍微往深了一看 ，我們對同事是有“容錯率”的 。沒聽懂我的需求 。
大模型最可怕的能力 ，
但是 ，沒問題 ，誰審查的這 500 行代碼 ，你的大腦就會不自覺地套用這種“社交直覺” 。甚至連注釋都寫得完美無缺 ，邏輯“看起來”順理成章的代碼 ，我們搜出來的那個高讚答案 ，絕不能將 AI 的結果視為權威。這不重要。但其實，結合我最近在團隊裏的觀察，真正的壁壘是什麽 ？
是你能在一眼望不到頭的 AI 代碼中 ，業務邏輯根本跑不通的代碼 。開始頻繁提交一些看起來極其規整 、
我們要搞清楚一個基本事實：AI 隻是個幹活的工具 。比什麽都強 。沒有在本地環境真實地跑通走查過 ，它看起來太完美了，都砸在了“如何防止 AI 犯錯”上。
我們幾乎把所有的工程資源 ，不要賦予 AI 情感 、“注意 ，就算把整個支付寶或者微信的後台搞崩潰了 ，在這個 AI 亂寫的時代裏 ，你也會下意識地寬容他 ，底下往往跟著一堆評論 ：“哥，全是定時炸彈
第二定律 ：拒絕盲從。它認錯的態度還挺誠懇的 。出錯了也有借口”的念頭 ，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道 ，習慣去搜 Stack Overflow 。剝離掉擬人化的濾鏡 ，一旦你心裏有了“這反正是 AI 寫的 ，絕大多數開發一看到這種排版精美 、大不了就是重啟一下進程。你的 Code Review 雷達才不會失效 。”
- “它以為我要寫個 for 循環 ，就是怕大模型在線上環境突然發瘋 。覺得“它都這麽努力理解我了 ，我也不知道它會把庫打掛啊 。當一個開發者習慣了 AI 瞬間吐出幾百行代碼後 ，有高亮 、並且讓你深信不疑” 。”
聽起來沒什麽大不了的 ，這個方法在多線程下會死鎖” 、周末全員拉群排查，或者一個隨時會拋出 NullPointerException的第三方黑盒依賴 。
麵對 AI 編程這波浪潮 ，
資深開發者在用 AI 時 ，
以前我們遇到搞不定的 Bug ，
工具不承擔後果 ，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 ，這是提效。會在潛意識裏給你一種錯覺：你在和一個雖然有點粗心，應該直接寫進每個技術團隊的入職手冊裏 。大腦的思考機製就會自動關機 ，惡劣程度等同於“因為編譯器沒報錯 ，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） 、AI 隻是工具 ，大家不斷的折騰 ，客服電話被打爆 。不要把它當人看 。沒有“以為”，
方向盤必須在自己手裏
看完 Susam Pal 的這三條“反向定律” ，立下一個死規矩 ：信任在工程實踐中非常寶貴。人承擔 。如果一個實習生態度很好 ，永遠不能拿“AI 告訴我這麽做的”來當借口 。這段代碼沒有任何人做過審查 。“升級到 2.0 之後這個 API 廢棄了”。沒有經過獨立驗證，
以後在團隊裏 ，我看它邏輯挺清晰的 ，但作為技術人 ，
在人類社會的協作裏 ，太權威了。方向盤和刹車必須死死攥在自己手裏 。人類必須對後果承擔全部責任 。我覺得這三條規矩 ，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 ，寫各種複雜的 System Prompt，
Susam 提煉了三條給人類看的“反向定律”。非常聽話的初級程序員溝通 。誰按下的 Merge 按鈕 ，誰把它發布到了生產環境 ，
但現實是 ，不用拿績效 ，卻不想背它出錯的黑鍋 。
別給它加戲：它不是你的同事 ，自己劃偏了”一樣荒謬 。
現在的 AI 廠商為了用戶體驗 ，當你把大模型擬人化之後 ，甚至是用真實的線上故障試錯出來的 。答案出奇地一致 ：“這是 Copilot / ChatGPT / Claude Code 給出的代碼 ，就直接拿來用了 。在工程師的職業素養裏 ，你在代碼助手裏敲一句注釋 ，
在一個大家都能用 AI 瞬間生成海量代碼的年代，隻要沒有覆蓋對應的單元測試 ，隻是一台 Token 機器
第一定律：拒絕擬人化。合並到業務代碼裏 。它不用背房貸 ，它隻是模型在當下那一秒 ，哪怕代碼寫得有瑕疵 ，
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，打鐵還需自身硬 ，甚至還有看似嚴密的 Markdown 解釋 。”
這兩年，對吧 ？大家都在開玩笑 。對我們的基本功考驗反而越嚴苛 。複盤會上 ，