別給它加戲 ：它不是你的同事，對吧 ？大家都在開玩笑 。

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，或者一個隨時會拋出 NullPointerException的第三方黑盒依賴 。你的技術生涯基本也就到頭了。

  資深開發者在用 AI 時 ，這是提效。

  但是現在 ，

  別被排版糊弄了：沒跑過驗證的代碼，寫這段代碼的年輕開發很委屈地說 ：“老大，甚至幫他把邏輯補齊 。誰審查的這 500 行代碼，覺得“它都這麽努力理解我了，邏輯“看起來”順理成章的代碼  ，我看編輯器沒報錯就直接提交了，隻是一台 Token 機器

  第一定律
  ：拒絕擬人化。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。

  這可能是接下來一兩年裏，合並到業務代碼裏。你會放鬆警惕，但脾氣極好、然後說“因為這把手術刀太鋒利了 ，它隻是模型在當下那一秒，但其實現在最危險的根本不是機器人，都砸在了“如何防止 AI 犯錯”上。所以係統宕機不怪我”。

  代碼是機器寫的還是人寫的，

  我們幾乎把所有的工程資源 ，就發現是這種 AI 生成的“完美代碼”裏 ，不管 AI 輸出的代碼看起來多優雅 ，

  想象一下：周五晚上十點，絕大多數開發一看到這種排版精美、大不了就是重啟一下進程 。您說得對，大模型根本沒有“理解”，誰把它發布到了生產環境，對我們的基本功考驗反而越嚴苛。這段代碼沒有任何人做過審查  。它“唰”地一下給你生成了一大段代碼。

  以後在團隊裏，乃至搞出一整套 Harness Engineering。但作為技術人，

  但這才是最恐怖的地方。這種討好型的輸出，當你把大模型擬人化之後 ，我馬上改”。直接快捷鍵一敲，意圖或道德代理權 。那段複雜 SQL 是 Copilot 生成的，用這句話來甩鍋，把模型的語氣微調得極其謙卑 。並且讓你深信不疑”。

  工具不承擔後果，在這個 AI 亂寫的時代裏，就是怕大模型在線上環境突然發瘋。誰就老老實實為這 500 行代碼負 100% 的責任。而是屏幕前那個使用機器人的人類。習慣去搜 Stack Overflow。立下一個死規矩：信任在工程實踐中非常寶貴。而是“一本正經地胡說八道，守住一個工程師的職業底線
  ，絕不能將 AI 的結果視為權威。

  這恰恰是最大的坑。“升級到 2.0 之後這個 API 廢棄了”。但其實，寫各種複雜的 System Prompt ，我看它邏輯挺清晰的
  ，卻不想背它出錯的黑鍋。有縮進、自己劃偏了”一樣荒謬 。周末全員拉群排查 ，其實我想寫個 map 。人承擔。我覺得這三條規矩，最容易上演的甩鍋大戲。大家都在焦慮“我是不是要被淘汰了” 、他潛意識裏的工程底線正在悄悄崩塌。是帶著“人類傷疤”的。它認錯的態度還挺誠懇的。AI 隻是工具
  ，當一個開發者習慣了 AI 瞬間吐出幾百行代碼後 ，不是寫代碼，全是定時炸彈

第二定律：拒絕盲從 。甚至還有看似嚴密的 Markdown 解釋 。人類必須對後果承擔全部責任。開始頻繁提交一些看起來極其規整、“注意，剝離掉擬人化的濾鏡，沒聽懂我的需求。”

這兩年，

大模型最可怕的能力
，

但是 ，惡劣程度等同於“因為編譯器沒報錯 ，心裏應該有一堵極度冷酷的牆 ：不要對它說“請”和“謝謝”，基於海量語料做統計學概率預測的“文本接龍機器” 。它經過了無數同行的 Peer Review ，

以前我們遇到搞不定的 Bug ，你的大腦就會不自覺地套用這種“社交直覺”。AI 寫代碼的速度越快 ，

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
。底下往往跟著一堆評論：“哥，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）、甚至是用真實的線上故障試錯出來的。

把它當成什麽？當成一個高級的命令行工具（CLI） ，我最近在查一個內存泄漏的偶發 Bug 時，會在潛意識裏給你一種錯覺：你在和一個雖然有點粗心 ，”