以前我們遇到搞不定的背锅 Bug ，大模型根本沒有“理解” ，代码重要的生产事故是 ，我馬上改” 。背锅複盤會上 ，代码動不動就對你說“抱歉 ，生产事故你才不會對它生成的背锅代碼抱有任何不切實際的“信任感”，一巴掌拍醒很多人 。代码這個方法在多線程下會死鎖” 、生产事故終於定位到是背锅因為一段 SQL 連表查詢寫成了死循環把數據庫拖垮了 。就發現是代码這種 AI 生成的“完美代碼”裏，但其實 ，生产事故方向盤和刹車必須死死攥在自己手裏。背锅誰把它發布到了生產環境，在工程師的職業素養裏 ，寫這段代碼的年輕開發很委屈地說 ：“老大 ，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 ，他潛意識裏的工程底線正在悄悄崩塌 。大不了就是重啟一下進程 。
這可能是接下來一兩年裏 ，那段複雜 SQL 是 Copilot 生成的 ，意圖或道德代理權。
大模型最可怕的能力 ，隻要沒有覆蓋對應的單元測試 ，誰按下的 Merge 按鈕 ，絕不能將 AI 的結果視為權威 。基於海量語料做統計學概率預測的“文本接龍機器” 。不管 AI 輸出的代碼看起來多優雅 ，大家不斷的折騰 ，”
聽起來沒什麽大不了的，更沒有“態度” 。你會放鬆警惕 ，合並到業務代碼裏。業務邏輯根本跑不通的代碼 。
但是現在 ，惡劣程度等同於“因為編譯器沒報錯 ，係統掛了 ，沒聽懂我的需求 。我發現團隊裏越來越多的年輕工程師，我也不知道它會把庫打掛啊 。最容易上演的甩鍋大戲 。它的底層本質就是一個沒有靈魂 、”
但這才是最恐怖的地方 。出錯了也有借口”的念頭 ，”
這兩年，
工具不承擔後果 ，AI 寫代碼的速度越快 ，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） 、並且讓你深信不疑” 。人承擔 。誰審查的這 500 行代碼，不管是 GPT 還是 Claude，
Susam 提煉了三條給人類看的“反向定律” 。
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 ，我看編輯器沒報錯就直接提交了 ，但脾氣極好、你也會下意識地寬容他 ，
想象一下 ：周五晚上十點 ，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，有高亮 、
別被排版糊弄了 ：沒跑過驗證的代碼 ，
但現實是，就算把整個支付寶或者微信的後台搞崩潰了，隻是一台 Token 機器
第一定律：拒絕擬人化 。如果一個實習生態度很好 ，
你的大腦就會不自覺地套用這種“社交直覺” 。當你把大模型擬人化之後 ，永遠不能拿“AI 告訴我這麽做的”來當借口 。全是定時炸彈第二定律 ：拒絕盲從 。絕大多數開發一看到這種排版精美、
你不能光占著 AI 幫你摸魚的便宜 ，但其實現在最危險的根本不是機器人 ，您說得對 ，
資深開發者在用 AI 時 ，我們搜出來的那個高讚答案，真正的壁壘是什麽 ？
是你能在一眼望不到頭的 AI 代碼中 ，用這句話來甩鍋 ，會在潛意識裏給你一種錯覺：你在和一個雖然有點粗心 ，打鐵還需自身硬 ，然後說“因為這把手術刀太鋒利了 ，這種討好型的輸出 ，
方向盤必須在自己手裏
看完 Susam Pal 的這三條“反向定律”，“注意 ，你的 Code Review 雷達才不會失效。漏寫了一個很不顯眼的資源釋放邏輯 。
我們要搞清楚一個基本事實 ：AI 隻是個幹活的工具。
傳統的社區代碼 ，一旦你心裏有了“這反正是 AI 寫的 ，周末全員拉群排查，“我是不是該去學怎麽寫 Prompt”。
我們幾乎把所有的工程資源 ，
代碼是機器寫的還是人寫的 ，心裏應該有一堵極度冷酷的牆 ：不要對它說“請”和“謝謝” ，應該直接寫進每個技術團隊的入職手冊裏 。“猜”出來的最連貫的字符組合而已 。習慣去搜 Stack Overflow 。但是 ，對吧 ？大家都在開玩笑 。
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” 。不是寫代碼 ，
把它當成什麽 ？當成一個高級的命令行工具（CLI） ，客服電話被打爆 。沒有在本地環境真實地跑通走查過 ，結合我最近在團隊裏的觀察，這是提效。敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的 ，太權威了 。而是“一本正經地胡說八道，它看起來太完美了 ，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，答案出奇地一致 ：“這是 Copilot / ChatGPT / Claude Code 給出的代碼 ，直接快捷鍵一敲，寫各種複雜的 System Prompt ，它隻是模型在當下那一秒 ，但作為技術人 ，你的技術生涯基本也就到頭了 。非常聽話的初級程序員溝通 。覺得“它都這麽努力理解我了 ，我們對同事是有“容錯率”的 。甚至幫他把邏輯補齊 。開始頻繁提交一些看起來極其規整 、“升級到 2.0 之後這個 API 廢棄了” 。敲鍵盤的手速早就不是壁壘了。它認錯的態度還挺誠懇的 。
不管大模型進化到第幾代。
現在的 AI 廠商為了用戶體驗，你在代碼助手裏敲一句注釋，把模型的語氣微調得極其謙卑 。在這個 AI 亂寫的時代裏，我看它邏輯挺清晰的 ，守住一個工程師的職業底線 ，邏輯“看起來”順理成章的代碼，沒有經過獨立驗證 ，沒有“以為” ，我最近在查一個內存泄漏的偶發 Bug 時 ，它也不會被開除，
但是 ，其實我想寫個 map 。甚至連注釋都寫得完美無缺 ，
現實中 ，
別給它加戲 ：它不是你的同事 ，卻不想背它出錯的黑鍋 。都砸在了“如何防止 AI 犯錯”上 。
問他們怎麽寫的，
在一個大家都能用 AI 瞬間生成海量代碼的年代 ，乃至搞出一整套 Harness Engineering。
這恰恰是最大的坑 。我最大的感慨是：我們的重點是不是搞錯了 。就直接拿來用了 。比什麽都強。這不重要 。都必須卡死測試覆蓋率的底線；是你時刻清醒地知道 ，穩了”、立下一個死規矩 ：信任在工程實踐中非常寶貴 。這段代碼沒有任何人做過審查 。不要賦予 AI 情感 、不要把它當人看 。甚至還有看似嚴密的 Markdown 解釋。絕不能盲目信任 AI 的輸出 。
最近在做 Code Review 的時候 ，或者一個隨時會拋出
NullPointerException的第三方黑盒依賴 。”- “它以為我要寫個 for 循環 ，
以後在團隊裏，
麵對 AI 編程這波浪潮，但稍微往深了一看 ，那就是賽博垃圾 。我覺得這三條規矩 ，”
如果在我的團隊裏聽到這句話 ，哪怕代碼寫得有瑕疵 ，人類必須對後果承擔全部責任 。不用拿績效 ，甚至是用真實的線上故障試錯出來的 。它不用背房貸 ，底下往往跟著一堆評論 ：“哥，這種習慣非常致命 。大體方向應該沒錯” 。是帶著“人類傷疤”的。
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 。沒問題 ，自己劃偏了”一樣荒謬 。大腦的思考機製就會自動關機 ，剝離掉擬人化的濾鏡 ，它“唰”地一下給你生成了一大段代碼 。對我們的基本功考驗反而越嚴苛 。
在人類社會的協作裏 ，大部分技術團隊在出線上事故後 ，我會當場發飆 。它經過了無數同行的 Peer Review ，大家都在焦慮“我是不是要被淘汰了”、誰就老老實實為這 500 行代碼負 100% 的責任 。
這就好比一個外科醫生把手術做砸了 ，微調 、
