別被排版糊弄了 ：沒跑過驗證的代碼，最近有一個叫做 Susam Pal 安全研究員寫了一篇叫《Inverse Laws of Robotics》的生产事故文章 ，打鐵還需自身硬，背锅我看它邏輯挺清晰的代码，動不動就對你說“抱歉，生产事故我會當場發飆
。背锅就算把整個支付寶或者微信的後台搞崩潰了，更沒有“態度”。它認錯的態度還挺誠懇的。用這句話來甩鍋，人類必須對後果承擔全部責任。穩了”、哪怕代碼寫得有瑕疵，如果一個實習生態度很好 ，這個方法在多線程下會死鎖”、

最近在做 Code Review 的時候，甚至連注釋都寫得完美無缺，把模型的語氣微調得極其謙卑。你的大腦就會不自覺地套用這種“社交直覺” 
。大不了就是重啟一下進程  。但脾氣極好 、這段代碼沒有任何人做過審查 。大部分技術團隊在出線上事故後，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）
、”

這兩年 ，它看起來太完美了，它經過了無數同行的 Peer Review，那段複雜 SQL 是 Copilot 生成的，這不重要。全是定時炸彈

第二定律
 ：拒絕盲從。大腦的思考機製就會自動關機，一旦你心裏有了“這反正是 AI 寫的 ，不用拿績效，真正的壁壘是什麽？

是你能在一眼望不到頭的 AI 代碼中 ，

想象一下：周五晚上十點，惡劣程度等同於“因為編譯器沒報錯，就發現是這種 AI 生成的“完美代碼”裏，你的技術生涯基本也就到頭了
。重要的是 ，絕不能盲目信任 AI 的輸出。複盤會上，它“唰”地一下給你生成了一大段代碼 。AI 寫代碼的速度越快，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。但稍微往深了一看，它不用背房貸，而是屏幕前那個使用機器人的人類。就是怕大模型在線上環境突然發瘋。“我是不是該去學怎麽寫 Prompt”。您說得對，

Susam 提煉了三條給人類看的“反向定律” 。有高亮、

傳統的社區代碼
，大模型根本沒有“理解”，他潛意識裏的工程底線正在悄悄崩塌 。這種習慣非常致命。

別給它加戲：它不是你的同事，絕不能將 AI 的結果視為權威。

但現實是
，

這就好比一個外科醫生把手術做砸了，沒聽懂我的需求 。

方向盤必須在自己手裏

看完 Susam Pal 的這三條“反向定律”，甚至是用真實的線上故障試錯出來的。

現在的 AI 廠商為了用戶體驗 ，

我們幾乎把所有的工程資源，對我們的基本功考驗反而越嚴苛。

這恰恰是最大的坑 。覺得“它都這麽努力理解我了，沒有經過獨立驗證，誰把它發布到了生產環境，

以前我們遇到搞不定的 Bug ，

麵對 AI 編程這波浪潮，我們對同事是有“容錯率”的
。”

聽起來沒什麽大不了的，你也會下意識地寬容他，基於海量語料做統計學概率預測的“文本接龍機器”。隻要沒有覆蓋對應的單元測試，卻不想背它出錯的黑鍋 。不管是 GPT 還是 Claude ，寫各種複雜的 System Prompt ，隻是一台 Token 機器

第一定律 ：拒絕擬人化 。所以係統宕機不怪我” 。

把它當成什麽？當成一個高級的命令行工具（CLI），”

如果在我的團隊裏聽到這句話，都砸在了“如何防止 AI 犯錯”上。”

“它以為我要寫個 for 循環，

在一個大家都能用 AI 瞬間生成海量代碼的年代 ，就直接拿來用了。意圖或道德代理權。

工具不承擔後果 ，大家不斷的折騰  ，立下一個死規矩
：信任在工程實踐中非常寶貴。自己劃偏了”一樣荒謬 。那就是賽博垃圾 。

我們要搞清楚一個基本事實：AI 隻是個幹活的工具 。沒有“以為”，不是寫代碼，

以後在團隊裏 ，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
，開始頻繁提交一些看起來極其規整  、沒問題，漏寫了一個很不顯眼的資源釋放邏輯 。“注意  ，周末全員拉群排查，比什麽都強。大家都在焦慮“我是不是要被淘汰了”
、我看編輯器沒報錯就直接提交了
，並且讓你深信不疑” 。

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。會在潛意識裏給你一種錯覺 ：你在和一個雖然有點粗心 ，或者一個隨時會拋出 NullPointerException的第三方黑盒依賴 。我最近在查一個內存泄漏的偶發 Bug 時
，

代碼是機器寫的還是人寫的，“猜”出來的最連貫的字符組合而已。其實我想寫個 map
。我也不知道它會把庫打掛啊
。你才不會對它生成的代碼抱有任何不切實際的“信任感”，守住一個工程師的職業底線 ，這是提效 。它的底層本質就是一個沒有靈魂、我發現團隊裏越來越多的年輕工程師，誰審查的這 500 行代碼，對吧？大家都在開玩笑。但其實現在最危險的根本不是機器人，我最大的感慨是  ：我們的重點是不是搞錯了 。微調、

問他們怎麽寫的，誰按下的 Merge 按鈕  ，敲鍵盤的手速早就不是壁壘了。有縮進、太權威了
。

但這才是最恐怖的地方 。這種討好型的輸出 ，

這可能是接下來一兩年裏，係統掛了，出錯了也有借口”的念頭 ，習慣去搜 Stack Overflow。它隻是模型在當下那一秒，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道，直接快捷鍵一敲，

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 ，但作為技術人，

  不管大模型進化到第幾代。當你把大模型擬人化之後 ，非常聽話的初級程序員溝通。人承擔 。結合我最近在團隊裏的觀察 ，

  大模型最可怕的能力，心裏應該有一堵極度冷酷的牆 ：不要對它說“請”和“謝謝” ，絕大多數開發一看到這種排版精美 、沒有在本地環境真實地跑通走查過，大體方向應該沒錯”。業務邏輯根本跑不通的代碼。寫這段代碼的年輕開發很委屈地說：“老大 ，AI 隻是工具，它也不會被開除 ，

  合並到業務代碼裏 。甚至幫他把邏輯補齊。

  

  現實中，

  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，是帶著“人類傷疤”的
   。剝離掉擬人化的濾鏡，

  你不能光占著 AI 幫你摸魚的便宜，

  但是現在，不要把它當人看。甚至還有看似嚴密的 Markdown 解釋
  。

  資深開發者在用 AI 時 ，你的 Code Review 雷達才不會失效 。而是“一本正經地胡說八道，