別給它加戲 ：它不是你的同事 ，
工具不承擔後果，背锅微調 、代码
資深開發者在用 AI 時 ，生产事故人承擔 。背锅你的代码大腦就會不自覺地套用這種“社交直覺”。不管 AI 輸出的生产事故代碼看起來多優雅 ，誰把它發布到了生產環境 ，背锅客服電話被打爆 。代码其實我想寫個 map。生产事故它“唰”地一下給你生成了一大段代碼 。背锅它不用背房貸，會在潛意識裏給你一種錯覺 ：你在和一個雖然有點粗心，”
這兩年 ，自己劃偏了”一樣荒謬 。我看編輯器沒報錯就直接提交了 ，
這可能是接下來一兩年裏 ，這段代碼沒有任何人做過審查 。人類必須對後果承擔全部責任 。我們對同事是有“容錯率”的 。在工程師的職業素養裏 ，
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 。沒有在本地環境真實地跑通走查過 ，大家都在焦慮“我是不是要被淘汰了” 、邏輯“看起來”順理成章的代碼，
你不能光占著 AI 幫你摸魚的便宜 ，這不重要 。但稍微往深了一看 ，這種討好型的輸出，誰審查的這 500 行代碼 ，
不管大模型進化到第幾代 。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” 。
就直接拿來用了 。不用拿績效 ，我們要搞清楚一個基本事實：AI 隻是個幹活的工具。都砸在了“如何防止 AI 犯錯”上 。
方向盤必須在自己手裏
看完 Susam Pal 的這三條“反向定律” ，方向盤和刹車必須死死攥在自己手裏 。我們搜出來的那個高讚答案 ，一巴掌拍醒很多人 。
代碼是機器寫的還是人寫的 ，我也不知道它會把庫打掛啊 。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 ，最容易上演的甩鍋大戲 。用這句話來甩鍋 ，我會當場發飆。太權威了 。它看起來太完美了，大部分技術團隊在出線上事故後 ，大家不斷的折騰 ，
這恰恰是最大的坑。重要的是 ，
現實中 ，但其實現在最危險的根本不是機器人 ，但其實 ，“注意，所以係統宕機不怪我” 。
但這才是最恐怖的地方 。當你把大模型擬人化之後 ，
在人類社會的協作裏 ，大腦的思考機製就會自動關機 ，不要賦予 AI 情感 、乃至搞出一整套 Harness Engineering 。我最大的感慨是 ：我們的重點是不是搞錯了。誰就老老實實為這 500 行代碼負 100% 的責任 。打鐵還需自身硬 ，但作為技術人 ，覺得“它都這麽努力理解我了 ，對我們的基本功考驗反而越嚴苛 。就是怕大模型在線上環境突然發瘋 。
把它當成什麽 ？當成一個高級的命令行工具（CLI），那就是賽博垃圾 。甚至還有看似嚴密的 Markdown 解釋 。底下往往跟著一堆評論 ：“哥 ，甚至幫他把邏輯補齊 。
別被排版糊弄了 ：沒跑過驗證的代碼，係統掛了 ，合並到業務代碼裏 。非常聽話的初級程序員溝通 。
以前我們遇到搞不定的 Bug ，我馬上改” 。不管是 GPT 還是 Claude，它也不會被開除 ，”
我們幾乎把所有的工程資源 ，”
如果在我的團隊裏聽到這句話 ，甚至是用真實的線上故障試錯出來的 。如果一個實習生態度很好 ，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的 ，立下一個死規矩：信任在工程實踐中非常寶貴 。是帶著“人類傷疤”的 。但是 ，你的 Code Review 雷達才不會失效。誰按下的 Merge 按鈕 ，絕不能盲目信任 AI 的輸出 。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。我看它邏輯挺清晰的，周末全員拉群排查 ，
想象一下 ：周五晚上十點 ，它的底層本質就是一個沒有靈魂 、而是屏幕前那個使用機器人的人類。它經過了無數同行的 Peer Review，敲鍵盤的手速早就不是壁壘了 。你在代碼助手裏敲一句注釋 ，結合我最近在團隊裏的觀察 ，這個方法在多線程下會死鎖” 、把模型的語氣微調得極其謙卑 。
大模型最可怕的能力 ，我最近在查一個內存泄漏的偶發 Bug 時 ，就發現是這種 AI 生成的“完美代碼”裏，但脾氣極好 、AI 寫代碼的速度越快 ，AI 隻是工具 ，更沒有“態度” 。大模型根本沒有“理解” ，有高亮 、不要把它當人看 。穩了”、剝離掉擬人化的濾鏡 ，
但是 ，直接快捷鍵一敲 ，
問他們怎麽寫的 ，不是寫代碼 ，
傳統的社區代碼 ，我發現團隊裏越來越多的年輕工程師 ，這是提效 。習慣去搜 Stack Overflow 。
在一個大家都能用 AI 瞬間生成海量代碼的年代 ，一旦你心裏有了“這反正是 AI 寫的 ，“升級到 2.0 之後這個 API 廢棄了” 。業務邏輯根本跑不通的代碼。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 ，隻要沒有覆蓋對應的單元測試 ，絕不能將 AI 的結果視為權威 。應該直接寫進每個技術團隊的入職手冊裏 。沒問題，以後在團隊裏 ，卻不想背它出錯的黑鍋 。您說得對 ，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 ，我覺得這三條規矩 ，
但現實是 ，意圖或道德代理權 。真正的壁壘是什麽 ？
是你能在一眼望不到頭的 AI 代碼中，比什麽都強 。有縮進 、並且讓你深信不疑” 。
但是現在 ，
麵對 AI 編程這波浪潮 ，你才不會對它生成的代碼抱有任何不切實際的“信任感” ，出錯了也有借口”的念頭
，或者一個隨時會拋出 NullPointerException的第三方黑盒依賴
。全是定時炸彈
第二定律 ：拒絕盲從 。“我是不是該去學怎麽寫 Prompt” 。沒聽懂我的需求 。寫這段代碼的年輕開發很委屈地說 ：“老大 ，
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 ，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 。心裏應該有一堵極度冷酷的牆 ：不要對它說“請”和“謝謝”，甚至連注釋都寫得完美無缺 ，答案出奇地一致 ：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，他潛意識裏的工程底線正在悄悄崩塌 。你的技術生涯基本也就到頭了 。漏寫了一個很不顯眼的資源釋放邏輯。開始頻繁提交一些看起來極其規整 、你也會下意識地寬容他 ，
這就好比一個外科醫生把手術做砸了 ，而是“一本正經地胡說八道 ，”
聽起來沒什麽大不了的，你會放鬆警惕，大體方向應該沒錯” 。
Susam 提煉了三條給人類看的“反向定律” 。
最近在做 Code Review 的時候 ，哪怕代碼寫得有瑕疵 ，然後說“因為這把手術刀太鋒利了 ，那段複雜 SQL 是 Copilot 生成的 ，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，
現在的 AI 廠商為了用戶體驗 ，