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