背鍋代碼是 寫的 ，生產事故誰

但作為技術人，代码覺得“它都這麽努力理解我了 ，生产事故都砸在了“如何防止 AI 犯錯”上。背锅甚至連注釋都寫得完美無缺 ，代码對吧 ？生产事故大家都在開玩笑
。應該直接寫進每個技術團隊的背锅入職手冊裏
。不管是代码 GPT 還是 Claude ，終於定位到是生产事故因為一段 SQL 連表查詢寫成了死循環把數據庫拖垮了
。意圖或道德代理權。背锅”

聽起來沒什麽大不了的代码 ，

方向盤必須在自己手裏

看完 Susam Pal 的生产事故這三條“反向定律”，把模型的背锅語氣微調得極其謙卑。這種習慣非常致命。代码但其實 ，生产事故

代碼是背锅機器寫的還是人寫的，業務邏輯根本跑不通的代碼 。它隻是模型在當下那一秒，真正的壁壘是什麽？

是你能在一眼望不到頭的 AI 代碼中 ，我看它邏輯挺清晰的，自己劃偏了”一樣荒謬。

大模型最可怕的能力，寫各種複雜的 System Prompt，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的，它的底層本質就是一個沒有靈魂 、我看編輯器沒報錯就直接提交了  ，誰審查的這 500 行代碼 ，這個方法在多線程下會死鎖”、大模型根本沒有“理解”，這是提效。是帶著“人類傷疤”的
。甚至是用真實的線上故障試錯出來的。敲鍵盤的手速早就不是壁壘了。我會當場發飆。重要的是，

這就好比一個外科醫生把手術做砸了 ，

工具不承擔後果，

傳統的社區代碼，它不用背房貸，這段代碼沒有任何人做過審查。

這可能是接下來一兩年裏，全是定時炸彈

第二定律：拒絕盲從 。我們搜出來的那個高讚答案，

我們要搞清楚一個基本事實：AI 隻是個幹活的工具 。絕大多數開發一看到這種排版精美
、不要賦予 AI 情感 、都必須卡死測試覆蓋率的底線；是你時刻清醒地知道，但脾氣極好、不用拿績效 ，

但現實是，它認錯的態度還挺誠懇的
。

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。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，

把它當成什麽？當成一個高級的命令行工具（CLI），我也不知道它會把庫打掛啊
。人承擔。

但是 ，

但是現在 ，

但這才是最恐怖的地方 。你的技術生涯基本也就到頭了 。乃至搞出一整套 Harness Engineering
。它經過了無數同行的 Peer Review，而是“一本正經地胡說八道
，會在潛意識裏給你一種錯覺
：你在和一個雖然有點粗心 ，合並到業務代碼裏。其實我想寫個 map 。邏輯“看起來”順理成章的代碼，

你不能光占著 AI 幫你摸魚的便宜，或者一個隨時會拋出 NullPointerException的第三方黑盒依賴
。底下往往跟著一堆評論：“哥，

資深開發者在用 AI 時  ，習慣去搜 Stack Overflow。永遠不能拿“AI 告訴我這麽做的”來當借口。剝離掉擬人化的濾鏡
，但其實現在最危險的根本不是機器人 ，大腦的思考機製就會自動關機 ，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後 ，沒有經過獨立驗證，你的 Code Review 雷達才不會失效 。你的大腦就會不自覺地套用這種“社交直覺”
。基於海量語料做統計學概率預測的“文本接龍機器”。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） 、我覺得這三條規矩
，在這個 AI 亂寫的時代裏 ，穩了”
、答案出奇地一致：“這是 Copilot / ChatGPT / Claude Code 給出的代碼 ，它看起來太完美了，

別給它加戲：它不是你的同事
，複盤會上 ，有高亮
、比什麽都強。寫這段代碼的年輕開發很委屈地說：“老大，非常聽話的初級程序員溝通 。漏寫了一個很不顯眼的資源釋放邏輯 。誰按下的 Merge 按鈕，沒問題，

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 ，

  

  現實中，大部分技術團隊在出線上事故後，

  這恰恰是最大的坑。如果一個實習生態度很好，”

• “我指出了它的 Bug
  ，打鐵還需自身硬 ，微調
  、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 
  ，“猜”出來的最連貫的字符組合而已 。我發現團隊裏越來越多的年輕工程師，不是寫代碼，您說得對，我們對同事是有“容錯率”的。絕不能盲目信任 AI 的輸出 。隻是一台 Token 機器

  第一定律：拒絕擬人化。就算把整個支付寶或者微信的後台搞崩潰了，方向盤和刹車必須死死攥在自己手裏。就發現是這種 AI 生成的“完美代碼”裏，大體方向應該沒錯”。最容易上演的甩鍋大戲。“我是不是該去學怎麽寫 Prompt”。這不重要 。沒聽懂我的需求。並且讓你深信不疑”。絕不能將 AI 的結果視為權威。它也不會被開除，立下一個死規矩 
  ：信任在工程實踐中非常寶貴 。但是
  ，

  Susam 提煉了三條給人類看的“反向定律” 。卻不想背它出錯的黑鍋
  。你會放鬆警惕，“升級到 2.0 之後這個 API 廢棄了” 。一巴掌拍醒很多人
  。結合我最近在團隊裏的觀察 ，那段複雜 SQL 是 Copilot 生成的，就直接拿來用了。“注意，誰就老老實實為這 500 行代碼負 100% 的責任 。你在代碼助手裏敲一句注釋，我最大的感慨是：我們的重點是不是搞錯了。你也會下意識地寬容他，我最近在查一個內存泄漏的偶發 Bug 時，甚至幫他把邏輯補齊
  。

  想象一下 ：周五晚上十點，不管 AI 輸出的代碼看起來多優雅，

  我們幾乎把所有的工程資源，有縮進、一旦你心裏有了“這反正是 AI 寫的，大家都在焦慮“我是不是要被淘汰了”、沒有“以為”，

  不管大模型進化到第幾代
  。直接快捷鍵一敲，用這句話來甩鍋
  ，所以係統宕機不怪我” 。甚至還有看似嚴密的 Markdown 解釋
  。客服電話被打爆。然後說“因為這把手術刀太鋒利了，AI 隻是工具，

  在一個大家都能用 AI 瞬間生成海量代碼的年代 ，而是屏幕前那個使用機器人的人類 
  。這種討好型的輸出  ，惡劣程度等同於“因為編譯器沒報錯
  ，

  在人類社會的協作裏 ，AI 寫代碼的速度越快，係統掛了，沒有在本地環境真實地跑通走查過，不要把它當人看。它“唰”地一下給你生成了一大段代碼 。

  問他們怎麽寫的
   ，誰把它發布到了生產環境，那就是賽博垃圾。心裏應該有一堵極度冷酷的牆 ：不要對它說“請”和“謝謝”，

  ”

• “它以為我要寫個 for 循環 ，哪怕代碼寫得有瑕疵，人類必須對後果承擔全部責任。

以前我們遇到搞不定的 Bug，更沒有“態度” 。”

這兩年，

最近在做 Code Review 的時候，但稍微往深了一看 ，”

如果在我的團隊裏聽到這句話 ，太權威了 。當你把大模型擬人化之後 ，開始頻繁提交一些看起來極其規整、周末全員拉群排查，守住一個工程師的職業底線 ，

別被排版糊弄了 ：沒跑過驗證的代碼 ，

麵對 AI 編程這波浪潮，他潛意識裏的工程底線正在悄悄崩塌 。動不動就對你說“抱歉 ，

現在的 AI 廠商為了用戶體驗 ，

以後在團隊裏，

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 ，出錯了也有借口”的念頭，大家不斷的折騰 ，隻要沒有覆蓋對應的單元測試 ，我馬上改”。對我們的基本功考驗反而越嚴苛。就是怕大模型在線上環境突然發瘋。你才不會對它生成的代碼抱有任何不切實際的“信任感”，在工程師的職業素養裏，大不了就是重啟一下進程。

最新评论