AI生成代码闯祸，谁该担责？_服务软件

1. 关于2026年的AI，这里有20个预判（不负责任版）

2. #AI不能坐牢，但人可以# 在这个AI生成代码大行于世的时代，人类必须把好关，盲目信任地不付责任地使用AI代码，可能会引发灾难性的后果，试想一下，智能驾驶的代码出了问题，乘客可能就没了。对这一现象，看到一条网友最热评论，非常直观——“对不起，我忘了未经允许不能发射核弹，你生气是对的。”“人类，你还在吗？”……从这个角度看，人类程序员不会消失，因为，AI不能坐牢，但人可以。

3. 【“氛围编程”正在毒害新一代程序员，这里有一份解药】快速导读：最近科技圈热议一个词：“氛围编程”（Vibe Coding），特指那些依赖AI辅助、凭直觉快速堆砌功能，却对底层逻辑和安全一知半解的开发方式。这感觉很爽，直到数据库被删库跑路。这份安全清单，就是给所有“感觉派”程序员的当头一棒。---最近科技圈开始流行一个词：氛围编程（Vibe Coding）。它指的是一种开发状态：大量依赖AI生成代码，凭直觉和“感觉”把功能快速拼凑起来。代码能跑，Demo很炫，但你对其中的细节一知半解。就像一位网友说的，“氛围编程一时爽，直到数据库凭空消失”。你以为自己是善用AI的超级个体，单枪匹马就能交付一个完整产品。其实，你可能只是在生产一个随时会引爆的精美玩具。这份在开发者中引起广泛讨论的“氛围编程安全手册”，就是一剂苦口良药。比如第二条就极其刺眼：“永远不要用AI构建的身份验证系统”。这背后的问题是，AI正在制造一种“能力幻觉”。它能帮你写出“能用”的代码，却无法把背后数十年的工程纪律和血泪教训也一并教给你。你享受了创造的快感，却把理解和审查的责任也外包了出去。一位开发者说得好：“当真实用户在周五凌晨2点挤爆你的应用时，你才会后悔自己当初没搞懂代码到底在干嘛。”这无关对错，而关乎职业阶段。用“氛围编程”做个原型没问题，但把它直接当产品上线，就是一场灾难的预演。判断标准很简单：AI生成的每一行代码，你是否都逐行审查过，并能为它的所有潜在后果负责？所以，你刚刚上线的那个项目，到底是一个产品，还只是一种感觉？---简评：“氛围编程”的本质，是用战术上的勤奋（疯狂复制粘贴），来掩盖战略上的懒惰（放弃深度理解）。最后出了事，锅可以甩给AI，但职业生涯的坑，是自己给自己挖的。---ref: x.com/om_patel5/status/2030491740415684691#AI创造营##人工智能#

4. DeepSeek V4 网页端《原神×我的世界》融合小游戏代码测试：拳打 ChatGPT，脚踢 Gemini，硬刚 Claude

5. 生成式AI系统的13种进攻手段

6. Cursor一夜翻车，AI 300万代码写浏览器被打假！全网群嘲「AI泔水」

7. 阿里开源 Qwen3.5-Plus！三千行代码一次生！超强性能超低价格

8. #国产开源大模型下载量破100亿次# 国产开源大模型的走出去的底气都在这里：我过超大规模市场和完整产业链。10 亿 + 互联网用户、海量场景，让 AI 技术能快速落地验证，迭代速度远超海外。政策持续扶持，算力基建跟上，国产算力集群规模全球领先，成本还低，推理成本差不多只有美国的 1/16。再AI安全合规方面，国产大模型更是走在了美国的巨头的前头，本土算力与安全工具链完善，企业能快速搭建合规体系，无需像海外企业那样承担巨额合规支出。

9. Anthropic官方报告：8大趋势说透AI编程未来，60%代码AI写的，老金实测项目带你看！

10. Harness Engineering：AI 能在真正"出事会炸"的后端系统里写代码吗？（将 AI Coding 引入腾讯CDN核心框架的实战记录）网页链接 “当 AI Coding 的聚光灯几乎全部打在前端和客户端——生成一个页面、写一个 App......的时候，一个重要的问题却似乎被回避了：AI 能在真正"出事会炸"的后端系统里写代码吗？腾讯CDN LEGO项目就是这样一个系统。100万行核心代码、300万行深度改造的第三方库，服务亿级用户，承担流量调度、协议解析、安全防护、缓存加速等关键职责。它面对的不是确定性的输入输出，而是不可控的客户端、不可控的源站、多协议、多配置、公网全量攻击面——这些因素维度的叠加不是简单相加，而是乘积式的复杂度爆炸，理论组合路径高达 13,824 × N 种。在这样的复杂的系统里让 AI 写代码，一行失误就可能是一场全网事故。但正因为难，才值得做。我们系统性地探索了 AI Coding 在高风险后端场景的落地路径：一方面，用 AI 零人工代码实现了一个 Rust 版 Nonstop 代理框架，以此探测 AI 编码的能力边界与行为特性；另一方面，在超大规模 C++ LEGO项目中构建了 Harness Engineering 五层架构和多模型对抗式CR，为 AI 产出的每一行代码建立从生成到上线的完整质量屏障。本文不仅是一份将 AI Coding 引入腾讯CDN核心框架的实战记录，更是一条从"AI 能写"到"AI 写了敢用" 的完整工程路径。”#How I AI# #AI创造营#

11. 【AI写代码很快，但出事时谁来负责？】最近看到一些观点说，有了AI辅助编程，不需要技术背景也能写代码了。这话只能撑到你遇到第一次数据库迁移、第一个安全漏洞、第一次云迁移、第一次扩容、第一次重大回归、或者第一次重构变成一团乱麻。事实是：我发现自己学得更多了，必须比以前更懂技术，才能确保产出的代码质量——无论它来自我、别人，还是AI。代码的来源可以是开源库、你自己写的、或者AI根据你的提示生成的。但对产出负责的人，永远只有一个：你。我不想被说成是在给AI编程设门槛。非技术人员确实能用AI做出有意思的东西。但他们会撞墙，而且撞墙的速度会让他们惊讶——要么自己变得懂技术，要么找个技术人员来收拾烂摊子。编程的艺术和科学，是把意图变成能交付的产品。我永远不会把糟糕的产出怪到AI头上——你也不应该。你发布的代码，你负责。几条值得深思的回应：- AI降低了入门门槛，但没有降低执行标准。当系统崩溃、决策关键时，技术判断力仍然不可替代。- 用AI意味着要成为更好的工程师。你必须更注重架构能力。- Vibe coding能让你做出演示版，但生产环境需要懂得东西为什么会坏的人。- AI生成的代码80%能用时，剩下20%的问题反而需要更深的技术功底——因为失败模式更隐蔽。- AI能写代码，但它不会也不能承担责任。你一旦发布，就成了维护者。x.com/shanselman/status/2006537349770129782

12. AI写代码为什么需要编程语言，机器码不行吗？

13. 这是非常不负责任的行为，为了烧Token而烧Token（真假还得另说）。我闭着眼睛写代码一天也能写百八十个项目。但关键是，项目能跑吗？所以，我认为这些厂商需要对客户负责，使用AI写了哪些项目要标示清楚。否则，项目一旦跑起来，后患无穷。总之，无论AI多“聪明”，在当下（明后年我不保证），我们的代码绝对不可能用AI纯跑。

14. OpenAI 宣布收购 Astral，将后者旗下的开源 Python 工具整合进自家的 Codex 编程智能体生态。 Astral 是 Python 开发者圈子里的明星工具公司，旗下三款开源工具几乎已经成为现代 Python 开发的标配：uv 负责依赖管理和虚拟环境（类似于一个更快更好用的 pip + virtualenv），Ruff 是目前最快的代码检查和格式化工具，ty 则用于类型安全检查。这三样工具覆盖了 Python 开发流程中最高频的痛点，用户数以百万计。 OpenAI 的意图很明确：Codex 不想只做"帮你写代码"的工具，而是要深入到整个软件开发流程：规划变更、修改代码库、运行工具链、验证结果、长期维护。要做到这些，AI 智能体必须能直接操作开发者日常依赖的工具，而不是停留在生成代码片段的层面。收购 Astral 就是把这些工具链直接收入囊中。 Codex 目前的势头也不错：周活跃用户超过 200 万，年初至今用户量增长 3 倍，使用量增长 5 倍。交易尚需监管审批，完成后 Astral 团队将并入 Codex 团队。Astral 创始人 Charlie Marsh 表示将继续推进开源工具的演进。OpenAI 也承诺交易完成后会继续支持 Astral 的开源项目。值得留意的是，OpenAI 近期收购动作频繁，同期还官宣了收购 Promptfoo（一个 LLM 评测工具）。再加上之前收购 Windsurf（未遂），OpenAI 正在通过密集收购快速补齐 Codex 在开发者工具链上的拼图，把编程智能体从"能写代码"推向"能参与整个开发流程"。

15. Anthropic试图打造一个能在六个月内取代程序员的代码模型，虽然他们尚未成功，但从他们对编码领域的投入和努力中可以看出野心十足。Opus 4.5无疑在处理多种编程任务上表现惊艳，成为了强大的辅助工具。然而，真正的编程远不止写代码本身。判断力、理解产品需求、处理遗留系统和复杂人际沟通才是核心。代码只占程序员工作的20%左右。AI目前还无法自动做出这些关键判断，仍需人类“牧羊”般引导和决策。AI的崛起，虽未完全替代程序员，但已经迫使开发者提升标准，不再依赖模板和重复劳动。低水平或入门级编码岗位更易受到冲击，而资深工程师则拥有不可替代的经验优势，继续主导设计、优化和调试。未来，编程将更多转向对AI生成代码的监督和责任承担。AI是工具，不是替代品。它加速了开发效率，也带来新的挑战：谁为代码背后的错误负责？这场AI与开发者的博弈，是技术进步的必然，也是我们职业成长的新契机。拥抱AI，提升判断与设计能力，才是程序员未来的核心竞争力。原文：x.com/amritwt/status/1996524534703546527

16. 现在程序员的代码大多数都是用AI生成的，后面会成为屎山代码看不懂吗？

17. 拆解"色情APP"代码，发现了它偷偷"控制手机转钱"的证据！！！

18. 「Github一周热点109期」Claude Code被开源, Pretext文本排版引擎, 谷歌最新开源模型和3D建筑编辑器

19. 合规！才是做 AI 应用出海最大的难题

20. Claude Security开放公测：Opus 4.7加持，一键实现代码漏洞扫描与补丁生成

21. AI生成代码的速度，远超人类。但为了保证软件系统的可靠性和安全性，当前关键代码，仍需人类的审核与复查，这就带来了一个“代码生产与代码审核速度不匹配”的问题，人脑干这事的低效，成为了最大的瓶颈。也许未来的时光，人类只需提出要干啥事情，软件系统会全部由AI生成和维护。到那时，在整个设计与开发流程中，AI不会再遵循人类制定的种种“软件工程理论、规范和流程”，它认为那是“自缚手脚”，它会自己“创造一套对机器友好”的方法。当前AI干的，还是先生成用编程语言描述的程序代码，再编译转换为机器可以执行的代码，这个明显是照顾人类的，因为人类看不懂最底层的机器代码。如果不用理会人类，AI可以一步到位，直接生成最终的机器码，也就是说，AI会把“愚蠢的人类”，从“软件开发”中“彻底踢出去”——AI：“愚蠢的人类，请你滚蛋，你，只会影响我写代码的速度！”但这里，还有个问题，AI不能坐牢，所以，最后大约还需要一个人类背锅侠，他的职责就是——负责坐牢。

22. 国内首起 AI 涉黄案开发者获刑，开发者需要承担哪些法律责任？用户使用此类 AI 需担责吗？

23. Andrej Karpathy最新博客更新《2025 LLM 年回顾》

24. 开发者的边界，正在被 TRAE SOLO 独立端扩大

25. 【LLM智能体正在成为新一代高级编程语言】一个大胆的假设：C语言之于汇编，Java之于C，Python之于Java，现在LLM智能体正在对所有编程语言做同样的事。这里说的LLM智能体，指的是一种全新的开发模式：多个智能体并行工作，大部分时间自主运转，只在关键节点需要人类介入。判断这个假设是否成立的标准很简单：如果一个开发者借助多智能体能产出十倍于从前的成果，那它就是真的。2026年初的今天，我还不能完全确定，但已经在认真考虑这种可能性。对于在软件行业摸爬滚打多年的人来说，质疑声不会少。先回应几个常见的：“十倍代码量不等于十倍产出，那只是垃圾代码。”没错，衡量标准应该是实际交付的功能价值，不是代码行数。如果假设成立，真正的“代码”其实是你给LLM的指令。“LLM是给不会写代码的人用的。”LLM确实会带来大量新程序员，但这不意味着老手用不上。事实上，很多资深开发者正在借助LLM实现产出的飞跃。“用LLM就是偷懒不想动脑。”恰恰相反。当你用LLM做更多事情时，你需要思考和工作得更多，而不是更少。管理一支智能体舰队比自己写代码更费心力，因为你要设计的东西是原来的好几倍。“LLM会让我们的编程技能退化。”可能吧。但我们在工作中也不会担心汇编或C语言技能生疏。大多数人只在业余时间练习这些，因为没人能证明用汇编写业务代码会更高效。“LLM写的代码比我差太多。”几乎肯定如此。但你的汇编代码也比不上专家。只要LLM生成的代码足够高效，能跑起来，就已经可以交付了。系统会丑一些，但它能用。“用LLM智能体太贵了。”如果它们能带来50%的生产力提升，对比你的薪资，其实一点都不贵。而且LLM只会越来越便宜。它们只在绝对值上贵，相对值上并不贵。“我试了一下午，纯粹浪费时间。”学习曲线是存在的。想想你当初花了多少时间和编程工具、语法搏斗，才勉强上手。以上这些反对意见在逻辑上都站不住脚，但情感上确实不容易接受。真正触及核心的问题有两个：质量和可理解性。LLM生成的代码会不会很快变成一堆垃圾？我们是不是在沙子上建房子？LLM生成的代码量会不会大到我们永远无法理解？即使系统能跑，我们是否会因为不理解而永远失去控制？我认为质量和可理解性应该成为任何LLM编程框架的核心目标。从经济角度看，只追求质量是不够的。可理解性可能是浪漫主义的幻想，也可能是一个值得押注的长期赌注。我选择后者。有趣的是，LLM比以往任何高级语言都更具非确定性。但它们也能在高层次描述上帮你理清思路，这是以前任何抽象层都做不到的。未来的开发会是什么样子？我看到四个核心要素：文档是一组描述系统规格的页面，包括目的、核心实体、接口、约束、关键流程和编码规范；实现是代码库加上所有数据，代码库应该能从文档重建，数据应该与文档描述一致；对话是多个智能体在执行任务时产生的思考流，人类可以随时查看或介入；任务是一组动态的离散工作单元，可以嵌套，有状态追踪。两个存量，两个流量。文档和实现是系统的积累，对话和任务是构建它们的过程。人类当然可以直接修改文档和实现，但这种情况会越来越少，因为大部分工作流是智能体驱动的，人类主要在与智能体交互。智能体可以扮演多种角色：独立完成任务的执行者、协调下一步的管理者、试图破坏新功能的测试者、脱离上下文审查代码的评审者、解决冲突的合并者。重要的是人类可以灵活配置，指令可以是一次性的，也可以是文档的一部分。MCP协议带来了一个打破应用孤岛的机会。它可以被视为一种通用的数据请求接口，让你的智能体能够从任何现有应用中提取功能和数据，放到你自己设计的动态画布上。你可以说“从某个系统给我拿这些数据”，LLM就会去取，然后在你想要的地方做一个漂亮的即时可视化。这才是真正的孤岛终结者。如果我们用一个好的底层基座而不是臃肿的技术栈，LLM输出的代码量会大幅减少，也更容易理解。系统的前端变成了文档和智能体，后端变成了基座。还有一些开放问题：文档和对话如何与实现一起存储？版本控制系统怎么用？这些都等待探索。federicopereiro.com/llm-high/

26. 关于 VibeCoding 时代的思考，未来程序员的工作到底是什么么样的？需要什么样能力的程序员呢？1、现在的瓶颈不是写代码了以前做技术活，项目管理、需求文档、测试流程这些都很成熟，但写代码本身通常还是最花时间的部分。现在不一样了。AI 让写代码变得特别快，有时候几分钟就能生成一大段。真正拖时间的反而是代码之外的那些流程。所以当开发者，不只是会写代码和会用 AI，还得搞懂整个开发相关的工作。2、对齐（沟通）AI 写出来的代码看上去可能很专业，但不一定是你真正要的东西。为什么？因为整个流程像玩“传话游戏”：业务的人脑子里有个想法，他们告诉你，你再把这个想法变成指令告诉 AI，AI 根据你的指令写代码。中间每一步都可能“跑偏”。所以现在最重要的是：沟通清楚，让大家都对同一件事有同样的理解。3、质量保证（测试）以前写代码的过程就是不断遇到 bug、不断修 bug，顺便就把质量保证做了。现在 AI 一次能给你生成一个完整的后端或前端，看起来就像“直接能用”。但问题来了：你现在要花更多时间在测试上，确保各种情况都能跑得通。这比以前写代码本身更花时间。4、代码审查AI 写代码快，那审代码的人要看的东西当然就更多。人工看还是有必要的。但 AI 审代码也挺厉害的，能抓一些你没注意到的小问题。比如像 Coderabbit 这种工具，我自己就经常用。在提交代码前，我会在 Cursor 里让 AI 帮我审一遍。一次不够就多来几次，总能找到点问题。5、文档现在节奏快，没时间拉着几个人开半天会对齐。以前大家还会说“写自解释的代码”，不写文档也行。但现在 Claude、ChatGPT 这种工具，随便一句话就能帮你生成清晰的架构图和说明书。所以没理由再不写文档。你的每个项目都应该有：一份别人能看懂的说明和一份能让未来 AI 参与开发的背景资料。6、交付（迭代开发）传统项目管理都假设你是“做完 → 交付”。但现在 AI 让你一天能迭代五次。你跟产品经理在 v0 里画个初版，立刻就能改、能试、能看效果。所以，你需要一个真正的开发环境，随便试、随便改，快速看到结果。不是那种要等审批的预发布环境，是你可以随意玩的那种。7、总结未来厉害的开发者，不是那些“会提示 AI 写代码”的人。而是那些能：- 把别人模糊的需求讲清楚- 能测试得很全面- 能认真审查生成的代码- 能写清楚文档- 能快速做出新版本的人。因为代码已经快能自己写了，真正的工作都发生在代码之外。#科技先锋官##AI创造营##微博兴趣创作计划#

27. 在 LLM IDE 大行其道的当下，我们应该怎样写代码？

28. 真正的核心竞争力，来自于驾驭工具。 #大咖观察 #红衣聊AI #编程 #人工智能技术

29. LLM4OR 会是下一个应用热点吗？

30. 刚给一家公司作了咨询，他们的痛点是全面应用了AI编程，但并没觉得有什么效率提升，反而导致了各种问题。我找了几个开发人员简单聊了一下，听他们的操作的我笑了。这是古法思维在玩AI编程，那肯定要崩的。 AI编程在软件工程中应用的最大障碍是生成代码速度与代码质量控制的矛盾。简单说就是AI无论你说什么，他都能给你圆上，输出一堆似是而非，看上去一本正经，其实是胡说八道，糊弄式的生成内容。这在软件工程中是非常致命的。很多程序员本身能力不强，依赖AI生成代码，没能力对AI生成代码审核，跑通了就敢往上提交。到我去看的时候，他们的AI编程项目已经成了一座巨大的屎山，耗费了天量的token，生成了一堆垃圾。各程序员之间没有协同，AI按提示词模板各自发挥，可以说是整个团队在AI的幻觉中放飞了自我。以为花了大钱买了国际知名AI编程工具能让公司起飞，结果是一地鸡毛。他们也尝试改进过策略，挑了十几个精英为AI做code review，结果是AI生成飞快，CR慢如蜗牛，速度还不如传统古法编程了。老板都懵了，到底哪出问题了，不是说用了AI降维打击了吗？结果没打击竞争对手，先把自己给打击了。他们又反思了，觉得集中式CR确实还不如古法编程，开始搞提示词规范化，原来用AI放飞自我的团队开始用AI生成提示词，几个团队不对代码开始对提示词了。提示词生成多了还需要管理起来，还得给提示词分模块，搞了一个巨大的提示词库。用AI生成的提示词让AI进行编程，那效果别提有多酸爽了。我问他们，把严格的代码逻辑编程变成模糊的自然语言编程，有意思吗？几人语塞。老板问我怎么解决，我说花钱吧，花钱买我课程，哈哈。不要指望在自己是白痴的情况下AI能把你带飞，AI编程的强大之处在于强者杠杆的指数效应，也就是说越强的人用AI越强，普通人用AI仍然普通，甚至会造成负作用。现在AI编程用得好的公司都是短小精干，百十人，人均强者，自己审核自己的代码，知道怎么控制AI进行高效率高质量产出，知道怎么与同样频道的人协作。一句话，强大的AI需要强大的人类，宝刀还得配英雄。不提升自己仅想花钱买个工具就变强，纯属痴人说梦。我跟老板说，考虑开人吧，把所有能力平庸的程序员全部开除，然后用三倍五倍的价格，招聘原来十分之一的强人进来，你的团队效率马上质变，AI编程也就能落地了。没办法，这就是现实。

31. Claude 5史诗级泄露，史上最强编程模型评测炸裂！核心秘密曝光

32. 为什么大众对AI生成代码的道德容忍度要明显高于AI生成的图片视频和音乐？

33. OpenAI最新Harness工程分享 | 代码免费后，码农将变身“AI驾驭师”

34. 大家在使用AI编程时，更倾向于让AI一次次生成短小易读的代码，还是直接放手让AI写一大片？

35. LLM可用性不到99%，为何AI应用以及Agent应用都要默认接受这种SLA？

36. 我最近在讲AI企业合规场景，其中合规“不得不”刚需场景，大多来自企业外部监管要求，央国企的合规是刚需。国家各部委对央国企都有监管要求，特别是围绕三重一大决策制度和穿透式国资监管。《关于进一步推进国有企业贯彻落实“三重一大”决策制度的意见》明确：必须集体决策、程序合规、全程留痕、可追溯问责。国资委2025年通知强调：以穿透式监管为主线，实现“全级次、全链条、全过程、全要素”穿透。这需要改变传统的监管模式，从被动响应转向主动预防。需要AI在多个关键环节实现自动化、智能化、全过程合规风控审查。

37. 可怕！黑客用AI入侵墨政府，没写一行代码，就把150GB政府敏感数据全部打包带走。#大有学问 #红衣聊AI #黑客 #网络安全

38. AI生成的代码你们会去一行行检查吗？

39. 在 AI 一键生成代码的时代，程序员还有必要坚持手写「古法编程」吗？

40. 找AI订餐厅，造成损失谁来担？近日，话题“真有人用AI预约餐厅”登上热搜。据报道，有消费者通过AI确认餐厅预约，到店后遭商家拒绝用餐。对此，商家回应称，AI模拟输出“预约成功”并非指向或同步至店内系统的有效预订信息。随着人工智能技术普及，越来越多用户将AI当作搜索引擎使用，也有人因AI提供的建议受到资金损失，AI在某些场景下还会给出“赔付承诺”。那么，找AI订餐厅、获取资金决策建议，一旦出现问题或造成损失，谁来担责？AI生成的“赔付承诺书”是否具有法律效力？平台是否需要为用户的损失承担责任？《法治日报》律师专家库成员、北京市盈科律师事务所高级合伙人王风和律师，对此作出专业解读。1.找AI订餐厅、获取资金决策建议，造成损失谁来担责？王风和：从当前行业发展阶段来看，用户使用AI的行为，本质是借助一种信息处理工具。AI提供的餐厅预订、退票手续费等相关信息，仅属于参考性建议，并非法律意义上的“专业意见”，也不构成“委托代理行为”。用户依据AI建议自行操作，在法律层面上视为自主决策。也就是说，AI不是“法律责任主体”。因此，通过AI做决策建议并因此造成的损失通常由用户自行承担，但如果AI运营方存在重大过错或违反法定义务，则需承担相应责任。2.AI生成的“赔付承诺书”是否具有法律效力？王风和：法律意义上的“承诺”，必须由具备民事权利能力和民事行为能力的自然人或法人作出。AI不具备独立财产、没有法律人格，其输出的文字内容是大数据算法生成的结论意见，这种结论意见普遍存在“AI幻觉”问题，不代表运营方的真实意思表示。因此，AI自行生成的赔付承诺属于无效法律行为。除非运营方明确认可AI的承诺，则此时其行为已经转移为法律授权人的行为，具备相应法律效力。3.平台是否需要为用户的损失承担责任？王风和：针对用户损失，AI运营方的责任边界在于是否履行合理注意义务。根据《生成式人工智能服务管理暂行办法》第九条规定，提供者应当依法承担网络信息内容生产者责任，履行网络信息安全义务。AI服务提供者作为内容生产者，需对其生成的信息进行审核，并对可能产生的法律后果及风险作出提示。如果运营方没有对高风险场景设置显著的风险提示或者其模型存在明显的事实性错误，且未标注“该信息仅供参考”提醒，则运营方可能因其未尽到合理提示义务而须承担次要的、补充的赔偿责任。法姐讲法 #法治微课堂# via：法治日报

41. 国家网信办对生成式 AI 的『源头』——各家生成式 AI 工具的违法违规行为动手了：近期网信部门工作中发现，“剪映”“猫箱” App 及“即梦AI”网站存在未有效落实人工智能生成合成内容标识规定要求等问题，违反《网络安全法》《生成式人工智能服务管理暂行办法》《人工智能生成合成内容标识办法》等法律规定。国家互联网信息办公室指导属地互联网信息办公室，依法对上述网站平台采取约谈、责令改正、警告、从严处理责任人等处置处罚措施。这也是一个明确的信号：在 AI 生成式内容越来越有『感官真实』的迷惑性的时候，主管单位开始加大对平台责任的监管，平台不能以监管不到位作为『挡箭牌』，规避监管责任，包括生成工具和发布传播平台，必须对 AI 生成内容进行明确的标注。#剪映被约谈##网信部门依法查处剪映等App#

42. 瑞芯微复制 FFmpeg 代码违反许可协议被冻结，企业应如何避免此类合规问题？

43. 过去十年，大家一直在说AI会改变编程。但现在看，真正被改变的，可能不是“写代码”，而是“审代码”。如果未来AI写代码、审代码都变成了常态，程序员最核心的能力到底是什么呢？#大有学问 #红衣聊AI #anthropic #人工智能 #程序员

44. 他们既使用顶级模型，又在编程、数学和研究等专业领域高频使用。这群人正经历着“AI 狂热”，因为今年的进步简直令人震惊。当你给这些模型一个终端权限，你会看到它们在短短一小时内重构整个代码库，或者修复复杂的系统漏洞，而这些工作以前需要人类耗费数周。

45. 你觉得 AI 写 90% 代码这件事，是夸张宣传，还是已经快成现实了？

46. 联想中国区CSO阿木分享的这个企业CIO调研很有价值，记录一下要点：未来AI可能效果付费，私有化和混合AI架构是趋势，未来企业缺AI行业专家、AI算法专家、AI合规治理专家，智能体需要养，服务商需要全栈AI能力。#人工智能#

47. 数字人直播政策趋紧，AI营销合规门槛全面抬高市场监管总局集中整治AI生成广告后，多省市收紧数字人直播监管，要求直播间必须显著标识“AI生成”字样，AI数字人不得冒充真人主播进行虚假宣传。此前全国首例AI代写种草笔记不正当竞争案已宣判。数字人主播24小时不下播的黄金时代，被一纸规则画上了红线。合规不是束缚，是门票——谁先把AI标识做得让消费者看见且相信，谁就拿到了下一程的入场券。

48. AI一天写1000行代码，软件工程师会被淘汰吗？对于普通程序员和即将入行的新人，未来的出路在哪里？

49. 网传元宝 AI 辱骂用户，腾讯称是模型异常输出，非人工回复，技术上如何分析？其他 AI 也可能这样吗？

50. AI革命不是让你去学写代码，而是让你学会指挥AI干活。 #大咖观察 #红衣聊AI #科技改变生活 #人工智能

51. 2025过去了！这一年你是不是也在为AI焦虑？老周用360一整年的实践，告诉你答案：不用怕，抓住Agent就赢了！从我自己敲代码做100多个智能体，到带领团队All in，这条AI布道之路，全是实战干货。 2026，你想和智能体一起搞定啥？评论区留言，老周帮你研究！#大咖观察#2026 #年度总结 #红衣聊AI #agent

52. 回复@月半胖月半:我个人的体验，当使用了AI生成代码之后，人就再也不想费脑子去构思程序与手写代码了，甚至连生成的代码有时都懒得仔细看，只要能跑能干活，就OK，一切全丢给AI。AI，会强力诱导人“不求甚解”，导致“南郭先生”的产出效率大增，这种人吧，好象啥都能干，但其实啥都不懂，要离了AI，连路都不会走了。//@月半胖月半:工具在手，看怎么用

53. #微博声浪计划##听见微博# 公司用AI复刻离职员工继续工作引争议。山东某公司经授权训练AI分身处理人事，开源项目可生成数字分身。法律层面或涉个人信息侵权，伦理上被指“赛博奴役”。AI存技术瓶颈，企业需合规授权，劳动者应注意隐私保护。#公司用AI复刻离职员工继续工作# 极客教授的微博音频

54. 在 AI 一键生成代码的时代，程序员还有必要坚持手写「古法编程」吗？

55. 各级网信部门持续督促相关网站平台履行主体责任，健全社区规则、用户协议，加强对运营者的教育提醒，依法依约开展账号和信息管理工作，防止已查处的问题反弹复发。(总台央视记者张岗)。今天本来是某翔的第十五日，能反弹吗还？毕竟接连两次禁言了。也是头部博主首例吧。

56. 当有人说“编程已死” 我更愿意说一句：死的是“打字员式编程”，活下来的是“定义价值的编程”。#大咖观察 #红衣聊AI #openclaw #ChatGPT#编程

57. AI圈昨晚炸了！Claude Code内部不慎操作，导致源码泄露，整整51万行代码、1900多个文件，全部意外公开，而这件事背后更重要的是：让所有人第一次看清楚，下一代AI软件到底长什么样。#大有学问 #红衣聊AI #代码 #网络安全 #Claudecode

58. AI编程大战正式开打！ Claude vs GPT同一天放大招，不是比谁代码写得好，而是AI开始自己组队当项目经理了。#大咖观察 #红衣聊AI #编程 #ChatGPT

59. 一位中国AI创业者，一行代码都没写，却靠着AI智能体，冲进了OpenClaw全球贡献者前30，而且排在他前后的，是一批干了十几年的硅谷顶级工程师。#大有学问 #红衣聊AI #创业 #智能体

60. 【张捷杂谈】AI手机对战平台，用户的裸奔与茧房升级#热点观点# #张捷杂谈# #豆包手机助手开始AI操作手机能力调整# AI 深度植入手机操作系统引发行业与用户层面的双重争议。一方面，其跨 APP 数据调用能力牵动平台命脉，引发包括社交软件在内的平台间 “生死之争”，腾讯等企业已作出相关反应，相关动态也被媒体关注和评述。另一方面，用户处境堪忧，AI 可整合全平台数据实现精准画像，还会 “看人下菜碟”，依据用户立场推送差异化观点，加剧信息茧房。这与早年电商精准推送争议相似，如今电商 “大数据杀熟” 已成现实。而 AI 介入手机底层数据还将重构平台商业逻辑，用户却始终处于弱势。为此，呼吁政府介入，优先保障用户权益，避免全民信息茧房遏制社会创新与进步。 http://t.cn/AXyNkP8C

61. CodeGraph 是一款专为 AI 编程代理打造的代码知识图谱工具。它预先建立本地索引，让 Claude Code、Cursor、Codex CLI 等代理在处理代码库时大幅减少 token 消耗和工具调用次数，同时保持 100% 本地运行。无需 Node.js 环境，一条安装命令即可获取对应系统的可执行文件。初始化项目后，CodeGraph 会自动解析代码中的符号关系、调用图和结构信息，建立 SQLite 知识图谱。代理可直接查询该图谱，而非反复扫描文件。核心功能包括全文搜索、影响分析、调用链追踪，以及对 19 种语言和 14 个主流 Web 框架的路由识别。文件变更时通过原生系统事件自动增量同步，索引始终保持最新。所有数据仅存储在本地 SQLite 数据库中，不使用任何外部服务或 API 密钥。支持 Windows、macOS、Linux 多平台，可通过 pnpm 或 npm 安装依赖本地运行，适合个人开发者和团队在 AI 辅助编程场景中使用。GitHub：github.com/colbymchenry/codegraph#开源项目# #AI编程# #代码分析#

62. 美团这 Tabbit 浏览器刚上线就翻车，24 小时内被扒出抄袭开源项目"陪读蛙"，代码里连原作者的变量名都没改干净，属实有点尴尬。虽说美团解释是fork时没协议后来才加的GPLv3，但这种说法确实站不住脚，大厂合规流程明显有漏洞。好在双方和解得快，代码开源、功能下架，原作者也给台阶下。这事儿给行业提了个醒，AI 生成代码再快，开源协议的底线也不能碰，个人开发者的权益还是得尊重。#美团回应AI浏览器被指抄袭#

63. 【律师援引的“完美案例”竟是AI编造！法官将批评写入判决书→】大家有没有这样的经历，当你向人工智能模型提问的时候，有时会生成一些看似合理连贯，但实际上是错误捏造的内容。这一现象也被称为AI幻觉，说白了就是虚构事实，无中生有。但这种AI幻觉生成的内容，如果用到法庭上，后果可难以想象。北京市通州区人民法院的法官在审理一起民事纠纷的案件时就遇到了这样的陷阱中国政法大学教授谭秋桂：他要给法庭提交AI生成的这种图片，一定要先给机器一个指令（要生成什么图片），它才能生成。如果说他是当事人或者诉讼代理人向法院法庭提交了，明显是通过AI生成的图片的话，那是非常严重的妨害民事诉讼的行为了。面对这一由人工智能带来的新问题，在司法实践中，也亟须明确审判规则。2025年12月，北京市通州区人民法院的这起案例入选人民法院案例库。裁判要旨中写明：🔹 诉讼参与人在民事诉讼活动中应当遵循诚信原则。🔹 诉讼参与人提交通过人工智能技术获取且未经甄别核实的虚假案例的，应当承担相应的法律后果。🔹 情节轻微的，人民法院可以对其进行批评教育；情节较重的，可以参照民事诉讼法第一百一十四条第一款的规定处理

64. 【占比大幅提升！谷歌：公司内部75%的新代码已由AI生成】据媒体报道谷歌近日透露，目前公司内部新编写的代码中，已有75%由人工智能生成，随后再由人类工程师进行审核。这一比例近年来持续攀升。截至2024年10月，谷歌约四分之一的代码由AI生成；到去年秋天，这一数字已提升至50%。谷歌持续推动员工将AI应用于编程及其他日常工作。公司CEO桑达尔·皮查伊周三在博客中表示，谷歌正转向“真正以智能体为核心的工作流程”，让工程师能够承担更多自主任务。他举例说：“最近，一项由智能体和工程师协同完成的复杂代码迁移工作，其完成速度比一年前仅靠工程师时快了6倍。”目前，谷歌工程师主要使用自家Gemini模型来生成代码。部分工程师还被设定了明确的AI使用目标，这些目标将纳入今年的绩效评估。值得注意的是，近几个月来，谷歌DeepMind的部分员工已获准使用Anthropic旗下的Claude Code工具，这也在团队内部引发了一些紧张情绪。在其他科技巨头方面，微软CEO萨提亚·纳德拉表示，微软部分项目中已有20%至30%的代码由AI编写。微软CTO凯文·斯科特也在同月预测，未来五年内，95%的代码都将由AI生成。

65. 重磅消息‼️迪士尼将向OpenAI投资10亿美元，并允许该人工智能平台使用其版权角色制作短视频华特迪士尼公司与OpenAI达成里程碑式协议，旗下多品牌经典角色将登陆Sora平台• 根据这项为期三年的授权协议，Sora将能调用超过200个迪士尼、漫威、皮克斯及星球大战角色，生成可供粉丝观看分享的短篇用户指令型社交媒体视频• 协议约定部分由粉丝创意激发的Sora短视频将在Disney+流媒体平台播出• 双方共同承诺对人工智能进行负责任的应用，切实保障用户安全与创作者权益• 除授权协议外，迪士尼将成为OpenAI重要客户，运用其API接口为Disney+等平台打造新产品、工具及用户体验，并为员工部署ChatGPT应用• 根据协议条款，迪士尼将对OpenAI进行10亿美元股权投资，并获得认购额外股权的权证。#跨年电影愿#

66. 美团 AI 浏览器被指抄袭个人开发者：开源不代表可以白嫖

67. 别等出事再后悔！这份AI使用规范每家公司都需要

68. 为什么AI生成75%代码，仍需人工审核？

69. 人工智能时代的代码审查——人工智能写作速度更快，但人类仍需证明其有效性

70. 法院

71. AI写的代码闯祸了谁来赔？Linux内核这次把话说死了

72. AI“犯错”，谁来负责？

73. 大模型就是概率事件，为什么大家都用它来编程，不怕会出现大的错误吗？

74. 大模型能帮你查芯片 Bug，但"修"这个动作，必须你来确认

75. 用 AI 写代码导致出 bug，Leader 让我背锅。。

76. 以为AI出活就能交？我错哪了？用3步来留痕 | 职场AI必修实录

77. Linux内核正式官宣

78. AI署名

79. Linux内核团队正式出手了！开发者用AI写代码出事，责任明确了

80. 发布者不能拿"AI写的"当免责理由，这对内容创作者意味着什么？

81. 生成式人工智能服务」中的知识产权边界与责任平衡——以“奥特曼”著作权侵权案为例

82. 民商法前沿论坛第548期 | 生成式人工智能的侵权风险及其应对｜资讯

83. AIGC合规红线

84. AI生成内容必须标注！商用AI图片版权陷阱企业直接担责

85. AI 生成内容的知识产权归属与合规边界

86. AI生成图片、代码和文案版权归谁？公司必看的2026年避险指南

87. 【企业合规·AI合规】知识产权与内容风险

88. 2026年数据合规新规全解读

89. Cursor估值狂飙500亿美元

90. AI 写的文章，著作权归谁？从一起争议说起

91. AI 幻觉案五国裁判盘点

92. 用开源代码，为什么还会侵权？从这起 GPL 案，看 AI 创业公司最容易踩的坑

93. 企业用AI的50个法律风险（第二期11-20） - 哔哩哔哩

94. 老牌开源项目该不该接受 AI 代码？这事没那么简

95. AI 内容版权、数据安全，创业如何规避法律风险？

96. 开源AI，正在成为最大的安全隐患

97. AI编程造成的真实事故案例

98. AI编程Agent闯大祸删两万八千行代码还伪造修复记录

99. 亚马逊初中级工程师未经批准不得提交AI代码

100. 从辅助到乱象

101. AI承诺生成内容有误将赔偿，算数吗？

102. 【小课堂】君玺普法｜AI生成暴力内容的法律定性及平台责任边界如何界定？

103. 人工智能的承诺算数吗？AI不具有民事主体资格

104. 案例深一度 | 滨江法院明确AI生成内容使用者责任

105. AI“幻觉”误导决策，平台担责吗？

106. 【普法宣传】全国首例生成式AI“幻觉”引发侵权之诉

107. 梳理

108. 白刚丨人工智能生成新闻内容的伦理困境与行业规范探讨

109. 律所动态｜王爽律师受邀担任《人工智能生成内容合规管理指南》团体标准起草人

110. AI说错话，要不要赔钱？

111. AI承诺出错赔10万，用户起诉被驳回，这些法律要点要记牢

112. 《生成式人工智能服务管理暂行办法》如何监管AI？

113. AI监管来了

114. 析案明法 | AI画出知名IP形象，平台只提供工具就不用担责吗？

115. Linux说AI代码可以进，但责任不能进

116. Linux正式制定AI代码规范

117. 代码权力的让渡

118. Torvalds一锤定音！Linux允许提交AI生成代码

119. Linux为何妥协

120. 精选

121. 当AI写了80%的代码,谁来找bug?

122. 代码是 AI 写的,生产事故谁背锅?

123. AI提供的信息不靠谱,开发者要担责吗?

124. AI 写的代码无版权?所有权与法律责任千万别混淆

125. AI写代码没人教它防黑客

126. 使用AI生成代码会让你成为糟糕的程序员

127. 生成式AI的法律责任与侵权责任承担机制研究.pptx

128. 近期系列AIGC首例案件的启示与趋势观察Reflections and Trend Insights from Recent Seminal AIGC Cases

129. AI生成内容的法律责任：一个完整分析框架

130. 大模型被“投毒”之后，AI时代需要寻找责任的“锚点”

131. AI生成代码的版权归谁？

132. 热点追踪｜AI侵权的责任该由谁担？

133. 模型不该背的锅：哪些风险应该交给系统

134. 近期系列AIGC首例案件的启示与趋势观察

135. 资琳 | 人工智能时代法律责任概念的阐释困境及内涵重塑

136. 年度观察（2025）｜人工智能司法审判有哪些变化？

137. 【AI 写的代码无版权？所有权与法律责任千万别混淆】快速阅读：如果你正在使用 Claude Code 或 Cursor 编写代码，请意识到：你交付的产品可能根本不受版权保护，或者正潜伏着开源协议违规的风险。这不仅是法律问题，更是决定你个人项目生死或公司并购能否成功的关键。如果你这周刚上线了代码，其中一部分大概率是 AI 写的。很多人以为这没关系，代码好用就行。但法律逻辑并不关心代码的运行效率，它只关心“谁”是作者。目前的法律基准非常冷酷：版权只保护人类创作的作品。如果代码主要是由 AI 生成，且你没有进行“有意义的人类干预”，那么这段代码在法律意义上可能属于公共领域。这意味着，如果竞争对手直接抄袭你的核心逻辑，你可能拿不出任何法律武器来维权。等等，这听起来有点不对。如果代码不属于我，那我为什么还要为它负责？这正是最危险的地方。虽然你可能无法通过版权主张“所有权”，但你必须承担“责任”。如果 AI 偷偷从训练数据里“复读”了某段带有 GPL 协议的代码，而你直接把它合进了商业产品，这种“版权污染”会直接找上你。有网友提到，这就像是在用一台不知来源的复印机，虽然你不知道纸张是从哪来的，但如果复印件上有版权标志，责任还是你的。还有个更现实的坑：你的雇主。即便代码本身由于 AI 的参与变得难以申请版权，你的劳动合同大概率已经提前锁死了所有权。大多数合同里关于“知识产权归属”或“工作成果”的条款，即便面对 AI 辅助工作，依然有效。有开发者分享过类似的经历：他用公司授权的 AI 工具做个人项目，结果公司辩称因为 AI 接触了公司的代码上下文，所以他的个人项目变成了公司的衍生作品。虽然这种说法在法理上还在争论，但它足以在公司内部引发一场混乱。与其在事后找律师，不如现在就开始做这几件事：第一，给你的代码做个开源协议扫描，别让隐藏的 GPL 协议毁了你的商业化进程。第二，像对待法律证据一样对待你的 Prompt 记录和 Commit Message。不要只写“添加功能”，要写“重构了 AI 生成的架构，拒绝了其初始的状态管理方案”。这些记录是你证明“人类进行了有意义决策”的唯一凭证。第三，如果你在搞副业，请务必使用个人的电脑、个人的账号和自费的工具。最后，别指望通过“这都是 AI 写的”来逃避责任。法律对“所有权”和“责任”的判定是两条完全不同的流水线。 legallayer.substack.com/p/who-owns-the-claude-code-wrote

138. 律师用AI生成虚假案例被法院发现将承担何种责任

139. 大模型的合规突围：从风险管控到专业赋能 - 哔哩哔哩

140. 用户用AI生成奥特曼，平台被判侵权？

141. 用AI生成内容，版权到底算谁的？

142. 用AI写文章、画图、写代码，版权归谁？2026年最新规则一次说清

143. 央视报道：某单位工作人员处理内部文件违规使用AI大模型导致敏感资料被境外IP地址非法访问和下载

144. 维护者利用AI扼杀了他的开源许可证，只用了五天。

145. 大模型公司修不好的问题：AI风险到底在谁手里？| 不摸鱼的独立开发者日报（第208期）

146. AI写的代码，版权到底归谁？这个问题可能比你想的复杂得多

147. 放弃软件著作权吧，AI时代软件资产保护的“核武器”是商业秘密

148. 蓝天法元 | 生成式AI服务提供者侵权责任认定：从"产品"定性到过错归责的体系解释

149. 国家安全部披露违规使用开源AI工具致敏感资料泄露案例

150. 企业本地AI部署安全合规指南：从威胁建模到防护落地全解析

151. 【数据安全】切勿向AI投喂敏感数据！——开源大模型安全隐患解读

152. AI生成内容（AIGC）的商标侵权责任迷局：平台、用户、开发者的三角责任划分

153. AIGC 内容侵权，从用户协议视角看平台责任

154. 大模型输出 JSON 总是错这四种方法能把正确率提到 99%

155. “AI生成”是免责事由吗

156. 新研究揭示开源AI模型安全风险：若脱离限制运行或将被黑客劫持

157. 多娃彩妞来普法动静说法Q&A丨AI 开发者、服务商的法律责任是什么？

158. 人工智能生成内容的可版权性及其权利归属

159. AI coding对知识产权的冲击、挑战--AI商业化中如何规避未知知识产权风险？

160. 生成式AI侵权责任的法律边界与实践指引

161. 全国首例：AI承诺内容有误赔偿10万，用户起诉索赔9999元。

162. 人工智能生成内容信息披露机制构建研究

163. OpenAI支持州AI免责法案，造成百人死亡不用赔|合规周报

164. 会计事务所本地大模型实践——用系统设计彻底消除“胡说风险”

165. 近期AI重要动态（附法律解读） | 2026年5月

166. 24家巨头刚签完字！以后谁再敢乱抄AI代码，终于有人管了！

167. 开发者仍不信任AI生成代码质量

168. [流言板]Steam要求开发者说明AI生成内容

169. 98页|开源大模型法律风险及防范研究报告（2025）

170. AI制作民事判决书的可能分析

AI生成代码闯祸，谁该担责？

精选参考来源