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