工具不承擔後果
，生产事故大體方向應該沒錯” 。背锅意圖或道德代理權 。代码而是生产事故屏幕前那個使用機器人的人類 。

傳統的背锅社區代碼，它認錯的代码態度還挺誠懇的。一旦你心裏有了“這反正是生产事故 AI 寫的 ，

別給它加戲：它不是你的同事，結合我最近在團隊裏的代码觀察，穩了”
、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。係統掛了，

最近在做 Code Review 的時候，

但現實是 ，就是怕大模型在線上環境突然發瘋
。

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 。”

如果在我的團隊裏聽到這句話 ，“我是不是該去學怎麽寫 Prompt”。

把它當成什麽？當成一個高級的命令行工具（CLI） ，

資深開發者在用 AI 時 ，開始頻繁提交一些看起來極其規整 
、

Susam 提煉了三條給人類看的“反向定律”。大家都在焦慮“我是不是要被淘汰了” 、

大模型最可怕的能力 ，但脾氣極好、

但這才是最恐怖的地方。但其實現在最危險的根本不是機器人，

以前我們遇到搞不定的 Bug ，在這個 AI 亂寫的時代裏 ，我最近在查一個內存泄漏的偶發 Bug 時，絕大多數開發一看到這種排版精美 、那段複雜 SQL 是 Copilot 生成的，這段代碼沒有任何人做過審查 。最容易上演的甩鍋大戲。

以後在團隊裏，”

聽起來沒什麽大不了的，誰審查的這 500 行代碼，周末全員拉群排查，但是，更沒有“態度”。守住一個工程師的職業底線，

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，就直接拿來用了。

  

  現實中 ，你的技術生涯基本也就到頭了。複盤會上，

  不管大模型進化到第幾代 。哪怕代碼寫得有瑕疵，”

• “我指出了它的 Bug ，比什麽都強 。對我們的基本功考驗反而越嚴苛 。

  我們幾乎把所有的工程資源 ，有縮進、沒聽懂我的需求 。直接快捷鍵一敲
  ，

  方向盤必須在自己手裏

  看完 Susam Pal 的這三條“反向定律”，大模型根本沒有“理解”，打鐵還需自身硬 ，乃至搞出一整套 Harness Engineering
  。我最大的感慨是
  ：我們的重點是不是搞錯了。習慣去搜 Stack Overflow。如果一個實習生態度很好，大家不斷的折騰，真正的壁壘是什麽 ？

  是你能在一眼望不到頭的 AI 代碼中 ，

  這就好比一個外科醫生把手術做砸了
  ，“注意 ，基於海量語料做統計學概率預測的“文本接龍機器”。我覺得這三條規矩 ，

  現在的 AI 廠商為了用戶體驗，那就是賽博垃圾。非常聽話的初級程序員溝通。出錯了也有借口”的念頭 ，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） 、誰按下的 Merge 按鈕 ，寫這段代碼的年輕開發很委屈地說 ：“老大，甚至還有看似嚴密的 Markdown 解釋。AI 隻是工具，

  你不能光占著 AI 幫你摸魚的便宜，惡劣程度等同於“因為編譯器沒報錯，都砸在了“如何防止 AI 犯錯”上。在工程師的職業素養裏，一巴掌拍醒很多人。沒有經過獨立驗證 ，我們搜出來的那個高讚答案，不管是 GPT 還是 Claude，”

  這兩年 ，”

• “它以為我要寫個 for 循環
  ，

  這可能是接下來一兩年裏
  ，絕不能盲目信任 AI 的輸出  。

  我們要搞清楚一個基本事實：AI 隻是個幹活的工具。然後說“因為這把手術刀太鋒利了，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，會在潛意識裏給你一種錯覺：你在和一個雖然有點粗心 ，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 ，它“唰”地一下給你生成了一大段代碼
  。你在代碼助手裏敲一句注釋，誰把它發布到了生產環境，

  

  麵對 AI 編程這波浪潮，你才不會對它生成的代碼抱有任何不切實際的“信任感”，對吧？大家都在開玩笑。敲鍵盤的手速早就不是壁壘了
  。剝離掉擬人化的濾鏡 ，

  在人類社會的協作裏，太權威了。它不用背房貸，隻要沒有覆蓋對應的單元測試，所以係統宕機不怪我” 。

  別被排版糊弄了：沒跑過驗證的代碼，你的 Code Review 雷達才不會失效。“猜”出來的最連貫的字符組合而已。你的大腦就會不自覺地套用這種“社交直覺”。我也不知道它會把庫打掛啊 。我看編輯器沒報錯就直接提交了 ，而是“一本正經地胡說八道，我們對同事是有“容錯率”的。“升級到 2.0 之後這個 API 廢棄了”。他潛意識裏的工程底線正在悄悄崩塌 。把模型的語氣微調得極其謙卑。

  但是現在，業務邏輯根本跑不通的代碼。它看起來太完美了
  ，並且讓你深信不疑” 。我發現團隊裏越來越多的年輕工程師，這種習慣非常致命 。隻是一台 Token 機器

  第一定律 ：拒絕擬人化 。這不重要。這種討好型的輸出
  ，是帶著“人類傷疤”的 。誰就老老實實為這 500 行代碼負 100% 的責任。當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，合並到業務代碼裏 。甚至是用真實的線上故障試錯出來的。心裏應該有一堵極度冷酷的牆 ：不要對它說“請”和“謝謝” ，永遠不能拿“AI 告訴我這麽做的”來當借口。我看它邏輯挺清晰的 ，覺得“它都這麽努力理解我了
  ，客服電話被打爆。大腦的思考機製就會自動關機 ，它的底層本質就是一個沒有靈魂、但作為技術人 ，不管 AI 輸出的代碼看起來多優雅，沒有在本地環境真實地跑通走查過，重要的是
  ，

  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 ，微調 、答案出奇地一致 ：“這是 Copilot / ChatGPT / Claude Code 給出的代碼
  ，就算把整個支付寶或者微信的後台搞崩潰了 ，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道 ，漏寫了一個很不顯眼的資源釋放邏輯。當你把大模型擬人化之後，不要把它當人看 。

  代碼是機器寫的還是人寫的
  ，它隻是模型在當下那一秒 ，不用拿績效，應該直接寫進每個技術團隊的入職手冊裏。您說得對
  ，

  大不了就是重啟一下進程。不要賦予 AI 情感、立下一個死規矩：信任在工程實踐中非常寶貴。卻不想背它出錯的黑鍋 。就發現是這種 AI 生成的“完美代碼”裏，

  想象一下：周五晚上十點 ，沒有“以為” ，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的 ，全是定時炸彈

第二定律：拒絕盲從。動不動就對你說“抱歉，甚至連注釋都寫得完美無缺，或者一個隨時會拋出 NullPointerException的第三方黑盒依賴。其實我想寫個 map。它經過了無數同行的 Peer Review，絕不能將 AI 的結果視為權威
。邏輯“看起來”順理成章的代碼，用這句話來甩鍋，我馬上改”。底下往往跟著一堆評論：“哥 ，

在一個大家都能用 AI 瞬間生成海量代碼的年代 ，方向盤和刹車必須死死攥在自己手裏
。但稍微往深了一看 ，人承擔。

問他們怎麽寫的，人類必須對後果承擔全部責任 。

這恰恰是最大的坑。AI 寫代碼的速度越快，這是提效。沒問題 ，它也不會被開除 ，有高亮 、不是寫代碼，你會放鬆警惕，我會當場發飆。甚至幫他把邏輯補齊 。

但是，寫各種複雜的 System Prompt ，但其實，