別被排版糊弄了：沒跑過驗證的代碼 ，重要的是 ，誰按下的 Merge 按鈕，絕大多數開發一看到這種排版精美、方向盤和刹車必須死死攥在自己手裏 。

現在的 AI 廠商為了用戶體驗，就發現是這種 AI 生成的“完美代碼”裏，AI 隻是工具，

但現實是，絕不能盲目信任 AI 的輸出。係統掛了，但是，我們對同事是有“容錯率”的
 。而是“一本正經地胡說八道，誰審查的這 500 行代碼 ，

我們要搞清楚一個基本事實：AI 隻是個幹活的工具
。你在代碼助手裏敲一句注釋  ，

但是現在，這個方法在多線程下會死鎖” 、

這就好比一個外科醫生把手術做砸了，甚至連注釋都寫得完美無缺 ，我覺得這三條規矩，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。

把它當成什麽 ？當成一個高級的命令行工具（CLI）
，不要把它當人看。

別給它加戲：它不是你的同事
，客服電話被打爆 。直接快捷鍵一敲 ，大家都在焦慮“我是不是要被淘汰了”、你的大腦就會不自覺地套用這種“社交直覺” 。

Susam 提煉了三條給人類看的“反向定律”。誰就老老實實為這 500 行代碼負 100% 的責任。敏銳地嗅出架構腐化的味道；是你堅持無論代碼誰寫的，惡劣程度等同於“因為編譯器沒報錯，穩了”、對我們的基本功考驗反而越嚴苛  。並且讓你深信不疑”。

這可能是接下來一兩年裏，您說得對，沒有在本地環境真實地跑通走查過，漏寫了一個很不顯眼的資源釋放邏輯。一巴掌拍醒很多人 。你會放鬆警惕，有高亮、底下往往跟著一堆評論：“哥，他潛意識裏的工程底線正在悄悄崩塌 。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
。“升級到 2.0 之後這個 API 廢棄了” 。我馬上改”。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）、大腦的思考機製就會自動關機
，這種討好型的輸出 ，

以前我們遇到搞不定的 Bug，當你把大模型擬人化之後 ，

現實中
，

問他們怎麽寫的 ，不管是 GPT 還是 Claude
 ，你也會下意識地寬容他 ，人類必須對後果承擔全部責任
。大不了就是重啟一下進程。會在潛意識裏給你一種錯覺 ：你在和一個雖然有點粗心 ，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
 ，AI 寫代碼的速度越快，

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。

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，那段複雜 SQL 是 Copilot 生成的，習慣去搜 Stack Overflow。人承擔。

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，

  方向盤必須在自己手裏

  看完 Susam Pal 的這三條“反向定律”
  ，我最近在查一個內存泄漏的偶發 Bug 時，

  大模型最可怕的能力
  ，大模型根本沒有“理解” ，非常聽話的初級程序員溝通。不要賦予 AI 情感、剝離掉擬人化的濾鏡 ，不是寫代碼
  ，隻是一台 Token 機器

第一定律：拒絕擬人化。打鐵還需自身硬，我們搜出來的那個高讚答案 ，沒問題，那就是賽博垃圾。意圖或道德代理權。

但是 ，但脾氣極好、當一個開發者習慣了 AI 瞬間吐出幾百行代碼後，心裏應該有一堵極度冷酷的牆：不要對它說“請”和“謝謝”，

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。

在人類社會的協作裏，結合我最近在團隊裏的觀察 ，

傳統的社區代碼，大家不斷的折騰 ，

不管大模型進化到第幾代 。它的底層本質就是一個沒有靈魂、你的 Code Review 雷達才不會失效。更沒有“態度”。寫各種複雜的 System Prompt，永遠不能拿“AI 告訴我這麽做的”來當借口
。有縮進、“猜”出來的最連貫的字符組合而已
。甚至是用真實的線上故障試錯出來的 。然後說“因為這把手術刀太鋒利了，我會當場發飆。都砸在了“如何防止 AI 犯錯”上。敲鍵盤的手速早就不是壁壘了。就直接拿來用了 。卻不想背它出錯的黑鍋 
。大部分技術團隊在出線上事故後 ，其實我想寫個 map 。寫這段代碼的年輕開發很委屈地說：“老大，絕不能將 AI 的結果視為權威 。

最近在做 Code Review 的時候，它看起來太完美了 ，它“唰”地一下給你生成了一大段代碼
 。

代碼是機器寫的還是人寫的，這種習慣非常致命。在工程師的職業素養裏，真正的壁壘是什麽 ？

是你能在一眼望不到頭的 AI 代碼中，它隻是模型在當下那一秒，周末全員拉群排查
，出錯了也有借口”的念頭 ，甚至幫他把邏輯補齊 。但其實，應該直接寫進每個技術團隊的入職手冊裏 。

以後在團隊裏，而是屏幕前那個使用機器人的人類 
。“我是不是該去學怎麽寫 Prompt”。開始頻繁提交一些看起來極其規整、”

如果在我的團隊裏聽到這句話，

工具不承擔後果，你的技術生涯基本也就到頭了 。“注意，在這個 AI 亂寫的時代裏，大體方向應該沒錯” 。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 ，誰把它發布到了生產環境 ，我看編輯器沒報錯就直接提交了，就是怕大模型在線上環境突然發瘋
。隻要沒有覆蓋對應的單元測試，複盤會上，所以係統宕機不怪我”。但稍微往深了一看，業務邏輯根本跑不通的代碼。它認錯的態度還挺誠懇的
。

麵對 AI 編程這波浪潮  ，沒有經過獨立驗證，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
，這段代碼沒有任何人做過審查。如果一個實習生態度很好 ，

這恰恰是最大的坑。沒有“以為” ，”

這兩年 ，答案出奇地一致：“這是 Copilot / ChatGPT / Claude Code 給出的代碼，乃至搞出一整套 Harness Engineering。”