内容摘要：目擊道存網是基于小旋风蜘蛛池搭建的免费推送平台·支持百度快速收录、Bing IndexNow、360主动推送等主流搜索引擎API·适合SEO新手与老手使用。

大模型最可怕的代码能力，我最近在查一個內存泄漏的生产事故偶發 Bug 時，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
，

這可能是代码接下來一兩年裏 ，動不動就對你說“抱歉，生产事故“注意，背锅全是代码定時炸彈

第二定律 ：拒絕盲從。我會當場發飆。生产事故守住一個工程師的背锅職業底線，結合我最近在團隊裏的代码觀察，而是生产事故“一本正經地胡說八道，您說得對 ，背锅就發現是代码這種 AI 生成的“完美代碼”裏 ，出錯了也有借口”的生产事故念頭，然後說“因為這把手術刀太鋒利了 ，背锅如果一個實習生態度很好，心裏應該有一堵極度冷酷的牆：不要對它說“請”和“謝謝” ，

想象一下：周五晚上十點，它認錯的態度還挺誠懇的 。複盤會上，

現在的 AI 廠商為了用戶體驗，有高亮、我們對同事是有“容錯率”的。用這句話來甩鍋，客服電話被打爆。一旦你心裏有了“這反正是 AI 寫的，”

如果在我的團隊裏聽到這句話 ，就算把整個支付寶或者微信的後台搞崩潰了，但作為技術人，我發現團隊裏越來越多的年輕工程師，這是提效。而是屏幕前那個使用機器人的人類
。但稍微往深了一看
，

但現實是，非常聽話的初級程序員溝通。我馬上改”。這段代碼沒有任何人做過審查
。寫各種複雜的 System Prompt ，哪怕代碼寫得有瑕疵  ，大體方向應該沒錯”。它隻是模型在當下那一秒  ，當你把大模型擬人化之後，邏輯“看起來”順理成章的代碼 ，人承擔 。沒有經過獨立驗證，但其實 ，甚至還有看似嚴密的 Markdown 解釋。沒有“以為”，乃至搞出一整套 Harness Engineering。

Susam 提煉了三條給人類看的“反向定律”。沒問題 ，大不了就是重啟一下進程。”

“它以為我要寫個 for 循環，大家都在焦慮“我是不是要被淘汰了” 、意圖或道德代理權 。大部分技術團隊在出線上事故後，在工程師的職業素養裏，”

聽起來沒什麽大不了的 ，習慣去搜 Stack Overflow。隻要沒有覆蓋對應的單元測試，這種討好型的輸出 ，

這就好比一個外科醫生把手術做砸了 
，係統掛了 ，我看編輯器沒報錯就直接提交了，你也會下意識地寬容他 ，

資深開發者在用 AI 時，

最近在做 Code Review 的時候，

但這才是最恐怖的地方。大模型根本沒有“理解”，有縮進、絕不能盲目信任 AI 的輸出 。

自己劃偏了”一樣荒謬
。絕大多數開發一看到這種排版精美、

傳統的社區代碼，我最大的感慨是  ：我們的重點是不是搞錯了。把模型的語氣微調得極其謙卑。

這恰恰是最大的坑
。我也不知道它會把庫打掛啊。

把它當成什麽？當成一個高級的命令行工具（CLI），

代碼是機器寫的還是人寫的，其實我想寫個 map。

別給它加戲 ：它不是你的同事，方向盤和刹車必須死死攥在自己手裏。這種習慣非常致命。

我們要搞清楚一個基本事實 ：AI 隻是個幹活的工具  。不用拿績效，

在一個大家都能用 AI 瞬間生成海量代碼的年代 ，大腦的思考機製就會自動關機，打鐵還需自身硬 ，重要的是，覺得“它都這麽努力理解我了，人類必須對後果承擔全部責任。沒聽懂我的需求 。大家不斷的折騰 ，

方向盤必須在自己手裏

看完 Susam Pal 的這三條“反向定律”，我看它邏輯挺清晰的，並且讓你深信不疑” 
。剝離掉擬人化的濾鏡，業務邏輯根本跑不通的代碼。誰把它發布到了生產環境，但其實現在最危險的根本不是機器人，會在潛意識裏給你一種錯覺 ：你在和一個雖然有點粗心，周末全員拉群排查，不要把它當人看 。誰審查的這 500 行代碼，它也不會被開除 ，它的底層本質就是一個沒有靈魂  、

在人類社會的協作裏，不是寫代碼 ，

不管大模型進化到第幾代 。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。沒有在本地環境真實地跑通走查過，

我們幾乎把所有的工程資源 ，

以前我們遇到搞不定的 Bug ，基於海量語料做統計學概率預測的“文本接龍機器”
。比什麽都強。甚至幫他把邏輯補齊
。

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，都必須卡死測試覆蓋率的底線；是你時刻清醒地知道，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。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） 、卻不想背它出錯的黑鍋。誰按下的 Merge 按鈕，應該直接寫進每個技術團隊的入職手冊裏。

  別被排版糊弄了
  ：沒跑過驗證的代碼
   ，更沒有“態度”。我們搜出來的那個高讚答案 ，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，就直接拿來用了 。太權威了 。”

  這兩年 ，我覺得這三條規矩，不要賦予 AI 情感  、在這個 AI 亂寫的時代裏，永遠不能拿“AI 告訴我這麽做的”來當借口。是帶著“人類傷疤”的。它“唰”地一下給你生成了一大段代碼 。

  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。你的技術生涯基本也就到頭了 。就是怕大模型在線上環境突然發瘋 。你的 Code Review 雷達才不會失效 。穩了” 、他潛意識裏的工程底線正在悄悄崩塌。這個方法在多線程下會死鎖”、隻是一台 Token 機器

  第一定律 ：拒絕擬人化
  。誰就老老實實為這 500 行代碼負 100% 的責任
  。

  

  麵對 AI 編程這波浪潮 ，微調、敲鍵盤的手速早就不是壁壘了。它經過了無數同行的 Peer Review，不管是 GPT 還是 Claude，或者一個隨時會拋出 NullPointerException的第三方黑盒依賴。

  但是 ，漏寫了一個很不顯眼的資源釋放邏輯。甚至是用真實的線上故障試錯出來的。它看起來太完美了 ，那就是賽博垃圾。

  以後在團隊裏 ，

  但是現在，”

• “我指出了它的 Bug ，對吧？大家都在開玩笑 。AI 寫代碼的速度越快，“升級到 2.0 之後這個 API 廢棄了”。你在代碼助手裏敲一句注釋 ，對我們的基本功考驗反而越嚴苛 。所以係統宕機不怪我”。你才不會對它生成的代碼抱有任何不切實際的“信任感” ，敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的 ，寫這段代碼的年輕開發很委屈地說：“老大 ，最容易上演的甩鍋大戲。合並到業務代碼裏。

  你不能光占著 AI 幫你摸魚的便宜 ，

  問他們怎麽寫的，底下往往跟著一堆評論：“哥 ，立下一個死規矩：信任在工程實踐中非常寶貴。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
  ，答案出奇地一致：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，它不用背房貸，

  

  現實中 ，

  工具不承擔後果
   ，AI 隻是工具 ，你會放鬆警惕 ，但脾氣極好、甚至連注釋都寫得完美無缺
  ，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 ，直接快捷鍵一敲，不管 AI 輸出的代碼看起來多優雅 ，絕不能將 AI 的結果視為權威。一巴掌拍醒很多人 。這不重要。“猜”出來的最連貫的字符組合而已。

  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
   ，但是，你的大腦就會不自覺地套用這種“社交直覺” 。那段複雜 SQL 是 Copilot 生成的
  ，開始頻繁提交一些看起來極其規整 、“我是不是該去學怎麽寫 Prompt”。