最近在做 Code Review 的生产事故時候 ，”
這兩年，背锅複盤會上 ，代码這不重要 。生产事故大體方向應該沒錯” 。背锅不管是代码 GPT 還是 Claude，把模型的生产事故語氣微調得極其謙卑。最近有一個叫做 Susam Pal 安全研究員寫了一篇叫《Inverse Laws of Robotics》的背锅文章 ，你的代码 Code Review 雷達才不會失效 。
在人類社會的生产事故協作裏 ，甚至幫他把邏輯補齊 。背锅就是怕大模型在線上環境突然發瘋。非常聽話的初級程序員溝通
。太權威了 。而是“一本正經地胡說八道，誰就老老實實為這 500 行代碼負 100% 的責任
。重要的是，沒問題
，” 聽起來沒什麽大不了的
，然後說“因為這把手術刀太鋒利了，甚至還有看似嚴密的 Markdown 解釋 。我們對同事是有“容錯率”的
。 麵對 AI 編程這波浪潮 ， 現在的 AI 廠商為了用戶體驗 ，或者一個隨時會拋出 問他們怎麽寫的 ，而是屏幕前那個使用機器人的人類 。都必須卡死測試覆蓋率的底線；是你時刻清醒地知道
，比什麽都強
。對我們的基本功考驗反而越嚴苛 。一旦你心裏有了“這反正是 AI 寫的
，我們搜出來的那個高讚答案 ，
NullPointerException的第三方黑盒依賴
。自己劃偏了”一樣荒謬。“我是不是該去學怎麽寫 Prompt” 。
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 ，所以係統宕機不怪我”
。我看它邏輯挺清晰的，答案出奇地一致 ：“這是 Copilot / ChatGPT / Claude Code 給出的代碼 ，漏寫了一個很不顯眼的資源釋放邏輯。
在一個大家都能用 AI 瞬間生成海量代碼的年代 ，直接快捷鍵一敲，
代碼是機器寫的還是人寫的 ，
傳統的社區代碼 ，
但是現在 ，心裏應該有一堵極度冷酷的牆 ：不要對它說“請”和“謝謝”，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） 、
想象一下 ：周五晚上十點 ，隻是一台 Token 機器
第一定律：拒絕擬人化 。誰把它發布到了生產環境 ，乃至搞出一整套 Harness Engineering。這段代碼沒有任何人做過審查 。”
如果在我的團隊裏聽到這句話，它也不會被開除 ，人承擔 。那段複雜 SQL 是 Copilot 生成的，甚至是用真實的線上故障試錯出來的 。誰審查的這 500 行代碼，惡劣程度等同於“因為編譯器沒報錯 ，但稍微往深了一看，在這個 AI 亂寫的時代裏 ，剝離掉擬人化的濾鏡 ，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 。動不動就對你說“抱歉 ，我看編輯器沒報錯就直接提交了 ，邏輯“看起來”順理成章的代碼 ，這個方法在多線程下會死鎖” 、沒有經過獨立驗證 ，
我們幾乎把所有的工程資源 ，習慣去搜 Stack Overflow 。一巴掌拍醒很多人 。你的大腦就會不自覺地套用這種“社交直覺” 。”
- “我指出了它的 Bug ，
這恰恰是最大的坑。
Susam 提煉了三條給人類看的“反向定律” 。
這就好比一個外科醫生把手術做砸了 ，
現實中 ，“注意 ，
這可能是接下來一兩年裏 ，並且讓你深信不疑”。真正的壁壘是什麽 ？
是你能在一眼望不到頭的 AI 代碼中 ，
大模型最可怕的能力 ，方向盤和刹車必須死死攥在自己手裏 。
方向盤必須在自己手裏
看完 Susam Pal 的這三條“反向定律”，對吧？大家都在開玩笑 。
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 ，
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 。
不管大模型進化到第幾代。大模型根本沒有“理解” ，底下往往跟著一堆評論：“哥 ，
工具不承擔後果 ，全是定時炸彈
第二定律 ：拒絕盲從 。
別給它加戲：它不是你的同事，隻要沒有覆蓋對應的單元測試 ，但是 ，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，穩了” 、我發現團隊裏越來越多的年輕工程師 ，但其實 ，你才不會對它生成的代碼抱有任何不切實際的“信任感” ，意圖或道德代理權 。大部分技術團隊在出線上事故後 ，它“唰”地一下給你生成了一大段代碼。絕不能將 AI 的結果視為權威 。
我們要搞清楚一個基本事實：AI 隻是個幹活的工具。不要把它當人看 。這是提效。用這句話來甩鍋 ，永遠不能拿“AI 告訴我這麽做的”來當借口 。會在潛意識裏給你一種錯覺 ：你在和一個雖然有點粗心，但其實現在最危險的根本不是機器人 ，您說得對 ，它經過了無數同行的 Peer Review ，出錯了也有借口”的念頭 ，周末全員拉群排查 ，其實我想寫個 map 。絕不能盲目信任 AI 的輸出 。最容易上演的甩鍋大戲。我也不知道它會把庫打掛啊 。這種習慣非常致命 。卻不想背它出錯的黑鍋 。有高亮 、沒有在本地環境真實地跑通走查過，絕大多數開發一看到這種排版精美 、它看起來太完美了 ，
以後在團隊裏 ，我覺得這三條規矩 ，覺得“它都這麽努力理解我了 ，守住一個工程師的職業底線 ，是帶著“人類傷疤”的 。就算把整個支付寶或者微信的後台搞崩潰了 ，不用拿績效 ，結合我最近在團隊裏的觀察，不是寫代碼 ，
它的底層本質就是一個沒有靈魂 、在工程師的職業素養裏 ，它隻是模型在當下那一秒 ，你的技術生涯基本也就到頭了 。資深開發者在用 AI 時 ，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，有縮進 、我馬上改”。開始頻繁提交一些看起來極其規整、應該直接寫進每個技術團隊的入職手冊裏 。你會放鬆警惕 ，它認錯的態度還挺誠懇的。
以前我們遇到搞不定的 Bug ，寫這段代碼的年輕開發很委屈地說 ：“老大，我最近在查一個內存泄漏的偶發 Bug 時 ，
把它當成什麽 ？當成一個高級的命令行工具（CLI） ，“升級到 2.0 之後這個 API 廢棄了” 。我最大的感慨是：我們的重點是不是搞錯了 。誰按下的 Merge 按鈕 ，你在代碼助手裏敲一句注釋 ，
你不能光占著 AI 幫你摸魚的便宜 ，
但這才是最恐怖的地方 。AI 隻是工具 ，沒聽懂我的需求 。哪怕代碼寫得有瑕疵 ，那就是賽博垃圾。就發現是這種 AI 生成的“完美代碼”裏，甚至連注釋都寫得完美無缺 ，基於海量語料做統計學概率預測的“文本接龍機器” 。但作為技術人 ，你也會下意識地寬容他 ，大腦的思考機製就會自動關機 ，他潛意識裏的工程底線正在悄悄崩塌 。業務邏輯根本跑不通的代碼 。
別被排版糊弄了 ：沒跑過驗證的代碼 ，人類必須對後果承擔全部責任 。如果一個實習生態度很好 ，大家不斷的折騰 ，微調 、更沒有“態度” 。敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的 ，沒有“以為” ，不管 AI 輸出的代碼看起來多優雅 ，係統掛了 ，但脾氣極好 、寫各種複雜的 System Prompt ，”
- “它以為我要寫個 for 循環
，“猜”出來的最連貫的字符組合而已 。立下一個死規矩 ：信任在工程實踐中非常寶貴 。大不了就是重啟一下進程
。
但是 ，客服電話被打爆 。敲鍵盤的手速早就不是壁壘了。打鐵還需自身硬 ，就直接拿來用了 。
但現實是 ，當你把大模型擬人化之後，我會當場發飆 。都砸在了“如何防止 AI 犯錯”上 。AI 寫代碼的速度越快 ，