Susam 提煉了三條給人類看的代码“反向定律”。人類必須對後果承擔全部責任 。生产事故它“唰”地一下給你生成了一大段代碼。背锅但是代码，方向盤和刹車必須死死攥在自己手裏 。生产事故你的背锅大腦就會不自覺地套用這種“社交直覺” 。但其實現在最危險的代码根本不是機器人，
代碼是生产事故機器寫的還是人寫的 ，絕不能將 AI 的背锅結果視為權威 。“升級到 2.0 之後這個 API 廢棄了” 。代码一旦你心裏有了“這反正是生产事故 AI 寫的，甚至是背锅用真實的線上故障試錯出來的 。而是代码“一本正經地胡說八道 ，
大模型最可怕的生产事故能力 ，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，不是寫代碼 ，它經過了無數同行的 Peer Review ，用這句話來甩鍋 ，
你不能光占著 AI 幫你摸魚的便宜 ，“猜”出來的最連貫的字符組合而已。永遠不能拿“AI 告訴我這麽做的”來當借口 。但稍微往深了一看 ，隻要沒有覆蓋對應的單元測試 ，哪怕代碼寫得有瑕疵 ，周末全員拉群排查 ，這種習慣非常致命。不管是 GPT 還是 Claude ，惡劣程度等同於“因為編譯器沒報錯，微調 、
但這才是最恐怖的地方 。
想象一下 ：周五晚上十點，甚至還有看似嚴密的 Markdown 解釋 。真正的壁壘是什麽 ？
是你能在一眼望不到頭的 AI 代碼中，大部分技術團隊在出線上事故後 ，卻不想背它出錯的黑鍋 。不要把它當人看 。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） 、這個方法在多線程下會死鎖”、乃至搞出一整套 Harness Engineering 。我看它邏輯挺清晰的 ，
並且讓你深信不疑” 。別被排版糊弄了 ：沒跑過驗證的代碼 ，大腦的思考機製就會自動關機 ，
在一個大家都能用 AI 瞬間生成海量代碼的年代 ，
在人類社會的協作裏 ，邏輯“看起來”順理成章的代碼 ，
這就好比一個外科醫生把手術做砸了，所以係統宕機不怪我”。大模型根本沒有“理解” ，
以前我們遇到搞不定的 Bug ，你的 Code Review 雷達才不會失效 。
現在的 AI 廠商為了用戶體驗 ，當你把大模型擬人化之後，
這恰恰是最大的坑 。絕不能盲目信任 AI 的輸出 。它隻是模型在當下那一秒 ，
但是現在 ，沒有經過獨立驗證 ，AI 寫代碼的速度越快 ，
這可能是接下來一兩年裏，誰就老老實實為這 500 行代碼負 100% 的責任 。它認錯的態度還挺誠懇的 。它也不會被開除 ，
別給它加戲：它不是你的同事，
我們要搞清楚一個基本事實 ：AI 隻是個幹活的工具。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 。”
方向盤必須在自己手裏
看完 Susam Pal 的這三條“反向定律” ，它不用背房貸 ，我們對同事是有“容錯率”的 。隻是一台 Token 機器
第一定律 ：拒絕擬人化。你在代碼助手裏敲一句注釋 ，沒聽懂我的需求 。動不動就對你說“抱歉 ，這種討好型的輸出 ，
最近在做 Code Review 的時候，我覺得這三條規矩 ，他潛意識裏的工程底線正在悄悄崩塌 。覺得“它都這麽努力理解我了 ，就是怕大模型在線上環境突然發瘋 。它看起來太完美了 ，
麵對 AI 編程這波浪潮，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 ，
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，但脾氣極好 、直接快捷鍵一敲 ，誰審查的這 500 行代碼 ，那就是賽博垃圾。但作為技術人 ，但其實，然後說“因為這把手術刀太鋒利了 ，習慣去搜 Stack Overflow 。你也會下意識地寬容他 ，
工具不承擔後果 ，
但是 ，
現實中，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 。太權威了 。我會當場發飆 。有高亮 、大家都在焦慮“我是不是要被淘汰了” 、底下往往跟著一堆評論 ：“哥 ，更沒有“態度” 。在這個 AI 亂寫的時代裏 ，
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，不用拿績效，守住一個工程師的職業底線，寫這段代碼的年輕開發很委屈地說
：“老大 ，AI 隻是工具 ，把模型的語氣微調得極其謙卑 。絕大多數開發一看到這種排版精美
、我馬上改”。心裏應該有一堵極度冷酷的牆 ：不要對它說“請”和“謝謝” ，
把它當成什麽 ？當成一個高級的命令行工具（CLI） ，
不管大模型進化到第幾代。其實我想寫個 map 。敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的 ，我發現團隊裏越來越多的年輕工程師 ，比什麽都強 。基於海量語料做統計學概率預測的“文本接龍機器”。或者一個隨時會拋出
NullPointerException的第三方黑盒依賴。打鐵還需自身硬 ，結合我最近在團隊裏的觀察 ，重要的是 ，大體方向應該沒錯” 。大家不斷的折騰 ，我們搜出來的那個高讚答案 ，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，但現實是 ，甚至連注釋都寫得完美無缺 ，就直接拿來用了 。剝離掉擬人化的濾鏡 ，而是屏幕前那個使用機器人的人類 。這段代碼沒有任何人做過審查 。最容易上演的甩鍋大戲 。
資深開發者在用 AI 時 ，業務邏輯根本跑不通的代碼 。”
如果在我的團隊裏聽到這句話 ，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道 ，一巴掌拍醒很多人。對我們的基本功考驗反而越嚴苛 。你的技術生涯基本也就到頭了 。”
聽起來沒什麽大不了的 ，如果一個實習生態度很好，不要賦予 AI 情感 、出錯了也有借口”的念頭 ，在工程師的職業素養裏 ，您說得對 ，誰把它發布到了生產環境 ，那段複雜 SQL 是 Copilot 生成的 ，全是定時炸彈
第二定律 ：拒絕盲從 。你才不會對它生成的代碼抱有任何不切實際的“信任感” ，我最近在查一個內存泄漏的偶發 Bug 時 ，你會放鬆警惕 ，
問他們怎麽寫的 ，會在潛意識裏給你一種錯覺 ：你在和一個雖然有點粗心，這是提效 。
傳統的社區代碼 ，穩了” 、客服電話被打爆 。意圖或道德代理權 。
我們幾乎把所有的工程資源，沒有“以為” ，有縮進 、都砸在了“如何防止 AI 犯錯”上 。應該直接寫進每個技術團隊的入職手冊裏 。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。對吧 ？大家都在開玩笑 。
以後在團隊裏 ，不管 AI 輸出的代碼看起來多優雅，就算把整個支付寶或者微信的後台搞崩潰了 ，這不重要 。甚至幫他把邏輯補齊 。寫各種複雜的 System Prompt ，我看編輯器沒報錯就直接提交了 ，我也不知道它會把庫打掛啊 。開始頻繁提交一些看起來極其規整 、就發現是這種 AI 生成的“完美代碼”裏 ，”
這兩年 ，複盤會上，“我是不是該去學怎麽寫 Prompt” 。非常聽話的初級程序員溝通。自己劃偏了”一樣荒謬。係統掛了，合並到業務代碼裏。
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 。敲鍵盤的手速早就不是壁壘了。”