面试官问：AI 写的代码出了 Bug 谁负责？Codex 时代程序员的 3 条生存法则
面试官看着你的简历，问了一个问题：
“你用 AI 写代码吗？”
你点头。2026 年了，谁不用呢。
“那如果 AI 写的代码出了 Bug，上了生产环境，导致用户数据泄露——谁负责？”
你愣住了。
这不是一个假设性的问题。这是 2026 年真实发生在面试桌上的对话。而且，它正在成为衡量一个程序员是否”靠谱”的分水岭。
会用 AI 写代码的人很多。知道怎么为 AI 写的代码负责的人，很少。
今天聊聊这个越来越避不开的话题：当 AI 帮你写了大部分代码，你的”程序员自我修养”应该是什么样的。
一个真实的翻车案例
2025 年底，一家 SaaS 公司上线了一个新功能。开发过程中，工程师使用 Codex 生成了大量后端代码，包括一个用户权限检查的中间件。
代码能跑。测试通过。PR 审查也过了——审查的人也用 AI 辅助审查的。
上线两周后，安全团队发现了一个漏洞：那个权限中间件在某个边界条件下，会让未授权用户访问到管理员接口。原因是 AI 生成的代码在处理 JWT token 过期场景时，默认放行了请求，而不是拒绝。
Bug 不复杂。逻辑甚至看起来”合理”。但它在安全上是致命的。
事后复盘时，团队争论了一个问题：这个 Bug 到底怪谁？
写代码的 AI？提需求的工程师？没审查出来的 Reviewer？还是决定上线的技术负责人？
答案其实很明确——怪所有人，但首先怪写下 prompt、点了 accept 的那个人。
AI 不能负责，这是个事实
这一点需要先说清楚。
AI 不是法律主体。它不能承担责任。OpenAI 的用户协议、Anthropic 的用户协议、GitHub 的 Copilot 条款，都明确写着同一件事：AI 生成的代码，使用者对其后果负全责。
这不是 AI 公司在推卸责任。这是一个逻辑问题：AI 没有意图，没有判断力，没有道德责任。它只是一个统计模型，根据你的输入生成最可能的输出。
打个比方：你用计算器算出一个结果，做了一个错误的商业决策。你能怪计算器吗？
Codex 是一个超级强大的计算器。但按”等号”的人，是你。
Gartner 的一份 2026 年预测报告指出：到 2027 年，AI 相关的软件缺陷数量将增长 25 倍。75% 的技术负责人承认，他们正面临 AI 引入的技术债。
问题不是 AI 写的代码质量差——很多时候它写得比人好。问题是：当没人真正理解那些代码的时候，出了 Bug 就没人能快速定位和修复。
程序员的角色变了，但责任没变
美国劳工统计局（BLS）的数据显示，过去两年，”计算机程序员”这个职位减少了 27%。与此同时，”软件开发工程师”的数量还在增长。
这说明什么？**”写代码”这个动作的价值在下降，但”对代码负责”这个角色的价值在上升。**
以前的程序员：理解需求 → 设计方案 → 写代码 → 调试 → 测试 → 部署 → 维护。
现在的程序员：理解需求 → 设计方案 → 指导 AI 写代码 → 审查 AI 的输出 → 调试 → 测试 → 部署 → 维护。
你注意到了吗？流程里多了两步——“指导”和”审查”。而这两步，恰恰是你不能外包给 AI 的。
Claude Code 的创造者 Boris Cherny 说过一句引发争议的话：”编程实际上已经被解决了。” 但他紧接着说的下一句很多人忽略了：”软件工程师的头衔会消失，取而代之的是’构建者’。”
“构建者”的核心能力不是写代码，而是对产出负责。
生存法则一：你审查的每一行代码，都是你的代码
这是 Codex 时代最重要的心态转变。
很多人把 AI 生成的代码当成”别人的代码”——它写的，跟我没关系，我只是用了一下。
不对。你点了 accept 的那一刻，它就是你的代码。
你不会因为”这段代码是实习生写的”就免除你的审查责任。同样，你不会因为”这段代码是 AI 写的”就免除你的审查责任。
具体怎么做？
建立审查清单
不要靠感觉审查。给自己一个标准化的检查流程：
1 | # AI 代码审查清单 |
最后一项是最关键的。如果你不能解释一段代码为什么要这样写，你就不应该让它上线。
用 AI 交叉审查
一个聪明的做法：用一个 AI 审查另一个 AI 的代码。
社区里有人用 Claude 审查 Codex 的输出，反过来也一样。两个模型的偏差不同，交叉审查能捕获更多问题。
在 AGENTS.md 里创建一个专门的安全审查子 Agent：
1 | # .codex/agents/security-reviewer.toml |
但 AI 交叉审查是补充，不是替代。最终的判断权和责任，在你手上。
生存法则二：写代码的能力可以退化，读代码的能力不能
这是一个反直觉的观点。
很多人担心：如果 AI 帮我写了大部分代码，我的编程能力会不会退化？
会的。而且已经在发生了。
一位 Google 的高级工程师在社区分享过：他发现自己离开 AI 工具后，写代码的速度明显变慢了。以前能信手拈来的 API 调用方式，现在需要查文档。
写代码的能力退化，是可以接受的。 就像你有了计算器之后，心算能力退化了。这不影响你做好工作。
但——读代码的能力不能退化。
读代码 = 理解代码 = 判断代码质量 = 发现潜在问题。
这是 AI 时代程序员的核心技能。不是你能多快地写出一个函数，而是你能多准确地判断一段代码是否可靠。
怎么保持读代码的能力
第一，定期做”无 AI 代码审查”。 关掉所有 AI 辅助工具，手动审查一个 PR。强迫自己逐行理解，写出审查意见。
第二，读开源项目的核心代码。 不是浏览，是深读。选一个你感兴趣的项目，花一个下午读它最核心的 500 行代码。理解设计决策背后的 why。
第三，写技术方案而不是代码。 当你面对一个新需求，先用文字写出你的实现方案——数据结构、算法选择、接口设计、错误处理策略——然后再让 AI 去实现。这个过程迫使你思考，而不是直接让 AI 替你思考。
METR（一家独立 AI 评估机构）2026 年初的研究发现了一个有意思的现象：开发者使用 AI 后，改变了他们尝试做的事情的类型。 他们倾向于把”实现”交给 AI，自己去做更多”设计”和”决策”。
这恰恰是正确的方向。
生存法则三：建立”AI 代码治理”体系
这一条不只是给个人的建议，更是给团队和技术 Leader 的。
2026 年的很多代码质量问题，不是因为 AI 写得不好，而是因为没有人管 AI 怎么用。
每个人用 AI 的方式不同。有人仔细审查每一行，有人一路 accept 到底。有人写详细的 AGENTS.md，有人连 prompt 都懒得好好写。
结果就是：同一个项目里，不同模块的代码质量参差不齐。有些模块干净优雅，有些模块里埋着定时炸弹。
团队层面的最佳实践
1. 制定 AI 编码规范。 不是限制使用 AI，而是规范怎么使用。比如：
- 安全相关代码必须经过人工逐行审查
- AI 生成的代码必须有对应的单元测试
- 所有使用 AI 生成的核心逻辑，必须在 PR 描述里标注并说明审查重点
2. 分层信任。 不是所有代码都需要同等程度的审查。把代码分成三类：
- 🔴 高风险（认证、支付、数据处理）：必须人工逐行审查 + 安全扫描
- 🟡 中风险（业务逻辑、API 接口）：AI 交叉审查 + 人工抽查
- 🟢 低风险（UI、工具函数、测试代码）：AI 审查即可
3. 建立 AI 代码的可追溯性。 当一个 Bug 出现时，你需要能快速回答：这段代码是谁在什么上下文下让 AI 生成的？原始 prompt 是什么？审查时是否覆盖了出问题的场景？
有些团队开始在 Git commit message 里标注 AI 使用情况：
1 | feat: add user permission middleware |
这不是强制的，但当线上出了问题需要回溯时，你会感谢有这些信息。
面试官真正在问什么
回到开头那个面试问题。
面试官问”AI 写的代码出 Bug 谁负责”，他真正想知道的不是你对法律责任的理解。他想知道的是：
你是那种”用 AI 快速出活然后甩锅”的人，还是那种”用 AI 提效但对产出负责”的人。
好的回答大概是这样的：
“AI 是工具，我是使用者，责任在我。我的做法是：用 AI 加速编码，但对每一行进入代码库的代码承担审查责任。特别是安全和核心业务逻辑，我会手动审查、补充边界测试、用交叉模型做安全扫描。如果出了 Bug，我会负责定位和修复——不管那行代码最初是我手写的还是 AI 生成的。”
这个回答的核心不是推卸或揽责。是展示你有成熟的工作流程和清晰的质量意识。
“程序员”这个词正在被重新定义
2026 年，一个有意思的趋势是：很多公司的职位名称正在从”Software Engineer”变成”Builder”或”Product Engineer”。
这不是文字游戏。这反映了一个根本性的变化：程序员的核心价值，正在从”能写代码”转向”能交付可靠的产品”。
“能写代码”在 AI 时代贬值了。任何人打开 Codex，输入一段话，都能得到一段代码。
“能交付可靠的产品”在 AI 时代增值了。因为 AI 生成的代码总量爆炸式增长，但能对这些代码的质量、安全、可维护性负责的人——这种人反而更稀缺了。
一个数据佐证：活跃开发者 46% 的代码由 AI 生成，2000 万开发者每天使用 AI 编码助手。代码在以前所未有的速度被生产出来。但与此同时，线上 Bug 的数量也在增长。
代码越多，需要对代码负责的人就越重要。
写在最后
AI 不会替你承担责任。你的 AI 工具再强，出了事，站在会议室里复盘的，是你。
但这不是坏事。
恰恰相反——能为产出负责的能力，才是 AI 时代程序员最值钱的能力。
因为 AI 拉平了”写代码”的门槛。以前你的优势是”我会写代码，你不会”。现在每个人都”会写代码”——通过 AI。
那什么成了新的优势？
你能判断代码的质量。你能发现潜在的风险。你能在出问题时快速定位和修复。你能设计可靠的系统，而不只是让代码”能跑”。
简单说：你的自我修养，不再是”写代码”的修养，而是”对代码负责”的修养。
这条路更难，但也更值钱。
下次面试有人问你”AI 写的代码出 Bug 谁负责”，你会怎么回答？你有没有自己的 AI 代码审查流程？你觉得 AI 时代程序员最应该保持的能力是什么？评论区聊聊——你的经验，可能正好是一个刚入行的新人急需的指引。