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