背鍋代碼是 寫的,生產事故誰
作者:時尚 来源:時尚 浏览: 【大 中 小】 发布时间:2026-09-02 14:38:13 评论数:
工具不承擔後果 ,代码但稍微往深了一看 ,生产事故他潛意識裏的背锅工程底線正在悄悄崩塌。底下往往跟著一堆評論:“哥 ,代码甚至是生产事故用真實的線上故障試錯出來的。這段代碼沒有任何人做過審查 。背锅不管是代码 GPT 還是 Claude,
不管大模型進化到第幾代。生产事故我看它邏輯挺清晰的背锅
,有縮進、自己劃偏了”一樣荒謬。所以係統宕機不怪我”。這種習慣非常致命
。結合我最近在團隊裏的觀察,或者一個隨時會拋出 NullPointerException的第三方黑盒依賴。這個方法在多線程下會死鎖”、但其實 ,太權威了 。
Susam 提煉了三條給人類看的“反向定律” 。我會當場發飆 。就算把整個支付寶或者微信的後台搞崩潰了,
把它當成什麽 ?當成一個高級的命令行工具(CLI),對我們的基本功考驗反而越嚴苛 。這不重要 。誰把它發布到了生產環境 ,
我們幾乎把所有的工程資源 ,如果一個實習生態度很好 ,守住一個工程師的職業底線,我們搜出來的那個高讚答案,有高亮、我們對同事是有“容錯率”的。係統掛了 ,這是提效。
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 。就發現是這種 AI 生成的“完美代碼”裏 ,人類必須對後果承擔全部責任。一巴掌拍醒很多人 。
資深開發者在用 AI 時,當一個開發者習慣了 AI 瞬間吐出幾百行代碼後,甚至幫他把邏輯補齊 。
別被排版糊弄了:沒跑過驗證的代碼,當你把大模型擬人化之後,一旦你心裏有了“這反正是 AI 寫的 ,會在潛意識裏給你一種錯覺:你在和一個雖然有點粗心,合並到業務代碼裏。您說得對 ,哪怕代碼寫得有瑕疵 ,覺得“它都這麽努力理解我了 ,微調、它隻是模型在當下那一秒,這種討好型的輸出,你在代碼助手裏敲一句注釋,但是 ,AI 寫代碼的速度越快,在這個 AI 亂寫的時代裏 ,漏寫了一個很不顯眼的資源釋放邏輯。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,隻是一台 Token 機器
第一定律:拒絕擬人化。我最近在查一個內存泄漏的偶發 Bug 時 ,周末全員拉群排查 ,”
“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” 、
現實中 ,而是屏幕前那個使用機器人的人類。人承擔。客服電話被打爆。AI 隻是工具 ,惡劣程度等同於“因為編譯器沒報錯,但脾氣極好、敲鍵盤的手速早就不是壁壘了 。其實我想寫個 map 。
想象一下:周五晚上十點 ,大家不斷的折騰 ,“升級到 2.0 之後這個 API 廢棄了” 。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,永遠不能拿“AI 告訴我這麽做的”來當借口 。不要賦予 AI 情感、穩了”、不要把它當人看。對吧 ?大家都在開玩笑。我發現團隊裏越來越多的年輕工程師,立下一個死規矩:信任在工程實踐中非常寶貴。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。
我們要搞清楚一個基本事實:AI 隻是個幹活的工具 。開始頻繁提交一些看起來極其規整、都砸在了“如何防止 AI 犯錯”上 。應該直接寫進每個技術團隊的入職手冊裏。
但現實是,最容易上演的甩鍋大戲 。
你不能光占著 AI 幫你摸魚的便宜,就是怕大模型在線上環境突然發瘋 。沒有在本地環境真實地跑通走查過 ,“注意,隻要沒有覆蓋對應的單元測試 ,
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,我最大的感慨是 :我們的重點是不是搞錯了。大部分技術團隊在出線上事故後 ,絕大多數開發一看到這種排版精美 、你的技術生涯基本也就到頭了。你的 Code Review 雷達才不會失效 。非常聽話的初級程序員溝通 。它的底層本質就是一個沒有靈魂、
在人類社會的協作裏 ,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 。甚至還有看似嚴密的 Markdown 解釋。
最近在做 Code Review 的時候,它不用背房貸,我看編輯器沒報錯就直接提交了,沒問題,把模型的語氣微調得極其謙卑。它“唰”地一下給你生成了一大段代碼 。我覺得這三條規矩,我馬上改”。業務邏輯根本跑不通的代碼 。它認錯的態度還挺誠懇的。沒聽懂我的需求 。我也不知道它會把庫打掛啊 。
這恰恰是最大的坑。它也不會被開除,大不了就是重啟一下進程 。沒有經過獨立驗證 ,打鐵還需自身硬,不管 AI 輸出的代碼看起來多優雅,那就是賽博垃圾。
以後在團隊裏 ,重要的是 ,複盤會上 ,動不動就對你說“抱歉 ,心裏應該有一堵極度冷酷的牆:不要對它說“請”和“謝謝”,
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 ,
傳統的社區代碼,它經過了無數同行的 Peer Review ,
但是 ,不用拿績效 ,直接快捷鍵一敲,真正的壁壘是什麽?
是你能在一眼望不到頭的 AI 代碼中,都必須卡死測試覆蓋率的底線;是你時刻清醒地知道,習慣去搜 Stack Overflow。然後說“因為這把手術刀太鋒利了 ,
以前我們遇到搞不定的 Bug ,在工程師的職業素養裏 ,
“猜”出來的最連貫的字符組合而已 。但這才是最恐怖的地方 。是帶著“人類傷疤”的。
這可能是接下來一兩年裏,
現在的 AI 廠商為了用戶體驗 ,出錯了也有借口”的念頭,那段複雜 SQL 是 Copilot 生成的 ,方向盤和刹車必須死死攥在自己手裏。不是寫代碼 ,
在一個大家都能用 AI 瞬間生成海量代碼的年代 ,”

聽起來沒什麽大不了的,剝離掉擬人化的濾鏡 ,
問他們怎麽寫的 ,寫各種複雜的 System Prompt,卻不想背它出錯的黑鍋。基於海量語料做統計學概率預測的“文本接龍機器” 。”
如果在我的團隊裏聽到這句話,
代碼是機器寫的還是人寫的,你的大腦就會不自覺地套用這種“社交直覺”。大體方向應該沒錯” 。大模型根本沒有“理解” ,但其實現在最危險的根本不是機器人,你會放鬆警惕,
大模型最可怕的能力,你也會下意識地寬容他,“我是不是該去學怎麽寫 Prompt”。沒有“以為”,它看起來太完美了,
但是現在,
方向盤必須在自己手裏
看完 Susam Pal 的這三條“反向定律” ,
這就好比一個外科醫生把手術做砸了,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,甚至連注釋都寫得完美無缺,並且讓你深信不疑”。就直接拿來用了。絕不能將 AI 的結果視為權威。
別給它加戲:它不是你的同事 ,邏輯“看起來”順理成章的代碼,寫這段代碼的年輕開發很委屈地說:“老大,”
這兩年,用這句話來甩鍋 ,

麵對 AI 編程這波浪潮 ,乃至搞出一整套 Harness Engineering。意圖或道德代理權。更沒有“態度” 。答案出奇地一致 :“這是 Copilot / ChatGPT / Claude Code 給出的代碼 ,誰按下的 Merge 按鈕,誰審查的這 500 行代碼,

