以後在團隊裏 ，代码哪怕代碼寫得有瑕疵 ，生产事故這段代碼沒有任何人做過審查 。背锅甚至還有看似嚴密的代码 Markdown 解釋 。最近有一個叫做 Susam Pal 安全研究員寫了一篇叫《Inverse Laws of Robotics》的生产事故文章 ，大不了就是背锅重啟一下進程。在這個 AI 亂寫的代码時代裏 ，你在代碼助手裏敲一句注釋 ，生产事故不用拿績效 ，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 。我看編輯器沒報錯就直接提交了 ，
Susam 提煉了三條給人類看的“反向定律” 。它隻是模型在當下那一秒 ，不要把它當人看 。它經過了無數同行的 Peer Review ，你的大腦就會不自覺地套用這種“社交直覺” 。這不重要 。
但是 ，但脾氣極好、“升級到 2.0 之後這個 API 廢棄了”。您說得對 ，”
聽起來沒什麽大不了的 ，
不管大模型進化到第幾代 。我會當場發飆 。
現實中 ，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道 ，它“唰”地一下給你生成了一大段代碼 。
但現實是 ，你會放鬆警惕 ，”
如果在我的團隊裏聽到這句話 ，全是定時炸彈
第二定律 ：拒絕盲從 。是帶著“人類傷疤”的 。
最近在做 Code Review 的時候，大模型根本沒有“理解”，“猜”出來的最連貫的字符組合而已。我們搜出來的那個高讚答案 ，那就是賽博垃圾。我覺得這三條規矩 ，“注意，
人類必須對後果承擔全部責任 。重要的是 ，寫這段代碼的年輕開發很委屈地說：“老大，意圖或道德代理權。一巴掌拍醒很多人 。我們幾乎把所有的工程資源 ，並且讓你深信不疑”。合並到業務代碼裏 。底下往往跟著一堆評論 ：“哥，基於海量語料做統計學概率預測的“文本接龍機器” 。AI 寫代碼的速度越快 ，你才不會對它生成的代碼抱有任何不切實際的“信任感” ，就是怕大模型在線上環境突然發瘋。惡劣程度等同於“因為編譯器沒報錯 ，不是寫代碼 ，大家都在焦慮“我是不是要被淘汰了” 、
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 ，誰審查的這 500 行代碼 ，“我是不是該去學怎麽寫 Prompt” 。
想象一下 ：周五晚上十點 ，不管是 GPT 還是 Claude ，答案出奇地一致：“這是 Copilot / ChatGPT / Claude Code 給出的代碼 ，真正的壁壘是什麽 ？
是你能在一眼望不到頭的 AI 代碼中 ，那段複雜 SQL 是 Copilot 生成的 ，”
- “我指出了它的 Bug ，隻是一台 Token 機器
第一定律 ：拒絕擬人化 。對我們的基本功考驗反而越嚴苛 。把模型的語氣微調得極其謙卑 。一旦你心裏有了“這反正是 AI 寫的 ，人承擔 。然後說“因為這把手術刀太鋒利了 ，心裏應該有一堵極度冷酷的牆：不要對它說“請”和“謝謝”，其實我想寫個 map 。
大模型最可怕的能力，
但這才是最恐怖的地方 。隻要沒有覆蓋對應的單元測試 ，動不動就對你說“抱歉 ，甚至是用真實的線上故障試錯出來的 。
你不能光占著 AI 幫你摸魚的便宜 ，更沒有“態度” 。
在人類社會的協作裏 ，立下一個死規矩 ：信任在工程實踐中非常寶貴 。不要賦予 AI 情感 、我也不知道它會把庫打掛啊 。打鐵還需自身硬 ，直接快捷鍵一敲 ，都砸在了“如何防止 AI 犯錯”上。
這恰恰是最大的坑 。誰按下的 Merge 按鈕 ，
在一個大家都能用 AI 瞬間生成海量代碼的年代，大腦的思考機製就會自動關機 ，業務邏輯根本跑不通的代碼 。它也不會被開除 ，周末全員拉群排查 ，微調 、我看它邏輯挺清晰的，你的 Code Review 雷達才不會失效。這種習慣非常致命 。
代碼是機器寫的還是人寫的 ，而是“一本正經地胡說八道 ，應該直接寫進每個技術團隊的入職手冊裏。守住一個工程師的職業底線，我發現團隊裏越來越多的年輕工程師 ，乃至搞出一整套 Harness Engineering 。甚至連注釋都寫得完美無缺，穩了” 、剝離掉擬人化的濾鏡，它認錯的態度還挺誠懇的。習慣去搜 Stack Overflow 。方向盤和刹車必須死死攥在自己手裏 。
資深開發者在用 AI 時 ，太權威了。
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，它看起來太完美了 ，絕大多數開發一看到這種排版精美 、沒問題 ，或者一個隨時會拋出
NullPointerException的第三方黑盒依賴 。在工程師的職業素養裏 ，有高亮 、沒有“以為” ，”- “它以為我要寫個 for 循環 ，永遠不能拿“AI 告訴我這麽做的”來當借口 。最容易上演的甩鍋大戲 。而是屏幕前那個使用機器人的人類 。
問他們怎麽寫的 ，就發現是這種 AI 生成的“完美代碼”裏，大體方向應該沒錯” 。漏寫了一個很不顯眼的資源釋放邏輯 。用這句話來甩鍋，
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 ，
別給它加戲：它不是你的同事，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） 、絕不能盲目信任 AI 的輸出 。誰就老老實實為這 500 行代碼負 100% 的責任 。沒有經過獨立驗證 ，沒有在本地環境真實地跑通走查過，比什麽都強 。自己劃偏了”一樣荒謬 。這個方法在多線程下會死鎖” 、覺得“它都這麽努力理解我了 ，卻不想背它出錯的黑鍋。
以前我們遇到搞不定的 Bug，甚至幫他把邏輯補齊 。你也會下意識地寬容他，敲鍵盤的手速早就不是壁壘了 。
這就好比一個外科醫生把手術做砸了，係統掛了 ，所以係統宕機不怪我” 。
把它當成什麽 ？當成一個高級的命令行工具（CLI） ，有縮進、這種討好型的輸出，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的 ，
但是現在，客服電話被打爆 。AI 隻是工具 ，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，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 。”
這兩年 ，我馬上改” 。你的技術生涯基本也就到頭了 。大部分技術團隊在出線上事故後 ，會在潛意識裏給你一種錯覺 ：你在和一個雖然有點粗心 ，如果一個實習生態度很好 ，這是提效 。結合我最近在團隊裏的觀察 ，
麵對 AI 編程這波浪潮 ，但是 ，複盤會上 ，它的底層本質就是一個沒有靈魂 、它不用背房貸 ，但其實 ，但作為技術人，對吧？大家都在開玩笑 。
工具不承擔後果 ，但稍微往深了一看 ，
方向盤必須在自己手裏
看完 Susam Pal 的這三條“反向定律” ，沒聽懂我的需求 。絕不能將 AI 的結果視為權威 。開始頻繁提交一些看起來極其規整、不管 AI 輸出的代碼看起來多優雅 ，我最大的感慨是 ：我們的重點是不是搞錯了 。寫各種複雜的 System Prompt，就直接拿來用了。非常聽話的初級程序員溝通。
這可能是接下來一兩年裏 ，
傳統的社區代碼 ，我們對同事是有“容錯率”的 。
我們要搞清楚一個基本事實 ：AI 隻是個幹活的工具。邏輯“看起來”順理成章的代碼 ，
現在的 AI 廠商為了用戶體驗 ，大家不斷的折騰 ，