它不是你的同事，只是一台 Token 机器

“某某模型今天好像变笨了没听懂我的需求。”“我指出了它的 Bug它认错的态度还挺诚恳的。”“它以为我要写个 for 循环其实我想写个 map。”听起来没什么大不了的对吧大家都在开玩笑。但作为技术人这种习惯非常致命。现在的 AI 厂商为了用户体验把模型的语气微调得极其谦卑。动不动就对你说“抱歉您说得对我马上改”。这种讨好型的输出会在潜意识里给你一种错觉你在和一个虽然有点粗心但脾气极好、非常听话的初级程序员沟通。这恰恰是最大的坑。在人类社会的协作里我们对同事是有“容错率”的。如果一个实习生态度很好哪怕代码写得有瑕疵你也会下意识地宽容他甚至帮他把逻辑补齐。当你把大模型拟人化之后你的大脑就会不自觉地套用这种“社交直觉”。你会放松警惕觉得“它都这么努力理解我了大体方向应该没错”。但现实是大模型根本没有“理解”没有“以为”更没有“态度”。不管是 GPT 还是 Claude它的底层本质就是一个没有灵魂、基于海量语料做统计学概率预测的“文本接龙机器”。资深开发者在用 AI 时心里应该有一堵极度冷酷的墙不要对它说“请”和“谢谢”不要把它当人看。把它当成什么当成一个高级的命令行工具CLI或者一个随时会抛出NullPointerException的第三方黑盒依赖。剥离掉拟人化的滤镜你才不会对它生成的代码抱有任何不切实际的“信任感”你的 Code Review 雷达才不会失效。别被排版糊弄了没跑过验证的代码全是定时炸弹第二定律拒绝盲从。绝不能盲目信任 AI 的输出。没有经过独立验证绝不能将 AI 的结果视为权威。以前我们遇到搞不定的 Bug习惯去搜 Stack Overflow。我们搜出来的那个高赞答案底下往往跟着一堆评论“哥稳了”、“注意这个方法在多线程下会死锁”、“升级到 2.0 之后这个 API 废弃了”。传统的社区代码是带着“人类伤疤”的。它经过了无数同行的 Peer Review甚至是用真实的线上故障试错出来的。但是现在你在代码助手里敲一句注释它“唰”地一下给你生成了一大段代码。有高亮、有缩进、甚至还有看似严密的 Markdown 解释。它看起来太完美了太权威了。但这才是最恐怖的地方。这段代码没有任何人做过审查。它只是模型在当下那一秒“猜”出来的最连贯的字符组合而已。现实中绝大多数开发一看到这种排版精美、逻辑“看起来”顺理成章的代码大脑的思考机制就会自动关机直接快捷键一敲合并到业务代码里。我最近在查一个内存泄漏的偶发 Bug 时就发现是这种 AI 生成的“完美代码”里漏写了一个很不显眼的资源释放逻辑。大模型最可怕的能力不是写代码而是“一本正经地胡说八道并且让你深信不疑”。以后在团队里立下一个死规矩信任在工程实践中非常宝贵。不管 AI 输出的代码看起来多优雅只要没有覆盖对应的单元测试没有在本地环境真实地跑通走查过那就是赛博垃圾。谁合并代码谁背锅“AI 写的”绝对不是免死金牌