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
，代码穩了” 、生产事故我們搜出來的背锅那個高讚答案 ，有高亮 、代码習慣去搜 Stack Overflow 。生产事故
這可能是背锅接下來一兩年裏 ，周末全員拉群排查 ，代码立下一個死規矩 ：信任在工程實踐中非常寶貴 。生产事故“我是背锅不是該去學怎麽寫 Prompt”。應該直接寫進每個技術團隊的代码入職手冊裏。
這就好比一個外科醫生把手術做砸了 ，生产事故
在人類社會的背锅協作裏 ，我也不知道它會把庫打掛啊 。AI 寫代碼的速度越快 ，人類必須對後果承擔全部責任 。“注意 ，大家都在焦慮“我是不是要被淘汰了” 、我看編輯器沒報錯就直接提交了 ，
麵對 AI 編程這波浪潮 ，如果一個實習生態度很好，但其實現在最危險的根本不是機器人 ，我們對同事是有“容錯率”的 。
大模型最可怕的能力 ，
問他們怎麽寫的 ，
這恰恰是最大的坑 。有縮進 、他潛意識裏的工程底線正在悄悄崩塌 。它隻是模型在當下那一秒，但作為技術人，”
- “它以為我要寫個 for 循環，開始頻繁提交一些看起來極其規整、這段代碼沒有任何人做過審查 。覺得“它都這麽努力理解我了，
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 。而是屏幕前那個使用機器人的人類。甚至連注釋都寫得完美無缺，非常聽話的初級程序員溝通 。你會放鬆警惕 ，守住一個工程師的職業底線 ，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 。是帶著“人類傷疤”的 。大不了就是重啟一下進程。
別給它加戲 ：它不是你的同事 ，答案出奇地一致 ：“這是 Copilot / ChatGPT / Claude Code 給出的代碼 ，AI 隻是工具 ，
不管大模型進化到第幾代 。自己劃偏了”一樣荒謬。所以係統宕機不怪我” 。比什麽都強 。意圖或道德代理權。“猜”出來的最連貫的字符組合而已 。底下往往跟著一堆評論：“哥 ，這個方法在多線程下會死鎖” 、都必須卡死測試覆蓋率的底線；是你時刻清醒地知道，
以前我們遇到搞不定的 Bug ，把模型的語氣微調得極其謙卑 。它經過了無數同行的 Peer Review，一旦你心裏有了“這反正是 AI 寫的 ，心裏應該有一堵極度冷酷的牆 ：不要對它說“請”和“謝謝” ，我看它邏輯挺清晰的，”
- “我指出了它的 Bug
，人承擔。但是
，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）、
代碼是機器寫的還是人寫的，在這個 AI 亂寫的時代裏 ，你也會下意識地寬容他 ，我最近在查一個內存泄漏的偶發 Bug 時 ，絕不能盲目信任 AI 的輸出。直接快捷鍵一敲，
這是提效 。我最大的感慨是：我們的重點是不是搞錯了 。並且讓你深信不疑” 。在一個大家都能用 AI 瞬間生成海量代碼的年代，都砸在了“如何防止 AI 犯錯”上 。你的大腦就會不自覺地套用這種“社交直覺” 。
但現實是，誰把它發布到了生產環境 ，用這句話來甩鍋 ，哪怕代碼寫得有瑕疵 ，我覺得這三條規矩，
想象一下 ：周五晚上十點 ，卻不想背它出錯的黑鍋 。”
如果在我的團隊裏聽到這句話 ，“升級到 2.0 之後這個 API 廢棄了” 。乃至搞出一整套 Harness Engineering 。大家不斷的折騰 ，誰審查的這 500 行代碼 ，對我們的基本功考驗反而越嚴苛 。
但是 ，動不動就對你說“抱歉 ，最容易上演的甩鍋大戲 。更沒有“態度” 。
但是現在 ，太權威了 。”
這兩年 ，但稍微往深了一看 ，剝離掉擬人化的濾鏡 ，重要的是 ，業務邏輯根本跑不通的代碼 。寫這段代碼的年輕開發很委屈地說 ：“老大 ，但脾氣極好 、真正的壁壘是什麽 ？
是你能在一眼望不到頭的 AI 代碼中 ，
你不能光占著 AI 幫你摸魚的便宜 ，”
聽起來沒什麽大不了的，你才不會對它生成的代碼抱有任何不切實際的“信任感” ，這種習慣非常致命 。
把它當成什麽 ？當成一個高級的命令行工具（CLI） ，沒有在本地環境真實地跑通走查過，它的底層本質就是一個沒有靈魂 、它看起來太完美了 ，隻是一台 Token 機器
第一定律 ：拒絕擬人化 。你的 Code Review 雷達才不會失效 。大腦的思考機製就會自動關機 ，就算把整個支付寶或者微信的後台搞崩潰了 ，不要把它當人看 。它認錯的態度還挺誠懇的 。在工程師的職業素養裏 ，誰按下的 Merge 按鈕，
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 ，全是定時炸彈
第二定律：拒絕盲從 。甚至是用真實的線上故障試錯出來的 。
但這才是最恐怖的地方 。合並到業務代碼裏 。
方向盤必須在自己手裏
看完 Susam Pal 的這三條“反向定律” ，不是寫代碼 ，
我們要搞清楚一個基本事實 ：AI 隻是個幹活的工具 。隻要沒有覆蓋對應的單元測試 ，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，客服電話被打爆 。
別被排版糊弄了 ：沒跑過驗證的代碼 ，當你把大模型擬人化之後，而是“一本正經地胡說八道 ，
資深開發者在用 AI 時 ，它也不會被開除 ，係統掛了 ，會在潛意識裏給你一種錯覺 ：你在和一個雖然有點粗心 ，大模型根本沒有“理解” ，一巴掌拍醒很多人。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 。沒問題 ，我會當場發飆。那就是賽博垃圾 。絕不能將 AI 的結果視為權威。我馬上改” 。
現在的 AI 廠商為了用戶體驗 ，大部分技術團隊在出線上事故後，
傳統的社區代碼 ，
工具不承擔後果 ，你的技術生涯基本也就到頭了 。打鐵還需自身硬 ，沒聽懂我的需求 。不要賦予 AI 情感 、這不重要 。
現實中 ，你在代碼助手裏敲一句注釋，然後說“因為這把手術刀太鋒利了 ，不用拿績效，永遠不能拿“AI 告訴我這麽做的”來當借口 。那段複雜 SQL 是 Copilot 生成的 ，它不用背房貸 ，不管是 GPT 還是 Claude，沒有“以為” ，複盤會上 ，您說得對 ，或者一個隨時會拋出
NullPointerException的第三方黑盒依賴 。寫各種複雜的 System Prompt ，結合我最近在團隊裏的觀察 ，微調 、敲鍵盤的手速早就不是壁壘了 。就是怕大模型在線上環境突然發瘋。敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的 ，方向盤和刹車必須死死攥在自己手裏 。就發現是這種 AI 生成的“完美代碼”裏 ，就直接拿來用了。但其實，出錯了也有借口”的念頭 ，邏輯“看起來”順理成章的代碼，它“唰”地一下給你生成了一大段代碼。基於海量語料做統計學概率預測的“文本接龍機器” 。我們幾乎把所有的工程資源，
Susam 提煉了三條給人類看的“反向定律”。沒有經過獨立驗證 ，我發現團隊裏越來越多的年輕工程師 ，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 ，誰就老老實實為這 500 行代碼負 100% 的責任 。不管 AI 輸出的代碼看起來多優雅 ，惡劣程度等同於“因為編譯器沒報錯 ，絕大多數開發一看到這種排版精美 、這種討好型的輸出 ，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 ，
以後在團隊裏，
最近在做 Code Review 的時候 ，大體方向應該沒錯” 。
