弱人工智能会替代程序员吗？ 比如做java普通需求的这种程序员？

我说的并不是那些算法，我指的是，做普通需求的，比如以spring框架为基础做一些需求，这些东西是不是在未来都可以被机器所替代，如果能替代，那么 需要多久，我感觉现在培训班太多了，而且是量产，这些做普通需求的人什么时候会被淘汰？

先说结论，大模型编程已经逼近极限，最终会和上一代的热点低代码平台一样，回归它应有的地位。

叠个甲，我自己就是LLM编程的用户，从最早的 Copilot 到现在的 Cursor、Windsurf、Devin 都使用过。很多人还在聊天窗口给gpt3.5粘代码的时候，我就已经在用AI自动补全了。

我不否认LLM对于专业的程序员来说很有帮助，但我不认为LLM能帮助人们实现“不用写代码”的愿景。

炒作周期

从云计算、低代码、AR到LLM，似乎每过一段时间就会有新的概念爆火，技术人和资本一股脑的涌上去，然后过了一段新的概念冒出来，热点又转移了。

咨询机构Gartner早就发现了这个规律，提出了Hype Cycle （直接翻译成中文是“炒作周期”，文雅一点是“技术成熟度曲线”）的理论：任何新的技术在出现后会迅速炒作并达到一个峰值，而在过高的期望达到时，一切会重归幻灭，回到低谷期。

我们现在就处于大模型过度炒作的阶段。

软件的本质

当我们在讨论软件时，实际在说的是什么？

不是某种技术，也不是某个想法，而是产品和解决方案。

当用户遇到了问题，解决方案怎么可能是 TA自己用 Cursor 编写了一个新的软件？

这是我在LLM时代听到最逆天的逻辑。无数营销号让 Cursor 生成一个早就成熟的工具和小游戏，以此证明大模型是未来，甚至是通往AGI的钥匙。

如果你想证明AGI即将到来，那你应该告诉大模型"为我解决xxx问题"，而不是让它为你生成玩具。

让普通用户通过Cursor生成代码并不能帮助他们获得解决方案，反而增加了复杂性。

如果老妈最近想学英语，你应该给她找一个学英文的App，而不是让她用Cursor写个学英语的App。

真正的技术进步应该是让复杂的事情变得简单，而不是把简单的事情变得看似高深。

原本不需要代码的需求变得需要编写代码，这又怎么能是技术进步了！？

你有点太极端了

过度炒作的 Devin 和 Manus

最近有个团队做了一款号称通用的AI Agent，也就是Manus。

营销号开始发测评的当天晚上就闹出个乐子，Manus的官网有bug，可以绕过邀请码登录进入主菜单（虽然无法执行操作）。

有人在Discord群发了这个问题，结果Discord的交流频道直接关掉，直到现在也是禁言状态。

话说，Manus团队为什么不让Manus给他们修Bug呢？

嘘

上一个牛皮吹这么大的还是 Devin，自称是全球首位AI软件工程师。

去年我实打实的套了100刀租了个号体验了一把，评价是不如Claude3.7，甚至不如Cursor + R1 API。

现在一年过去了，Devin 已然熄火，几乎没人讨论了。

话说，Manus 和 Devin 都是华人团队的作品，也许他们在下一盘大棋，等着收割老美的韭菜也说不定？

LLM 和低代码

为什么我的标题会把LLM和低代码扯上关系。

因为低代码是少有的被一遍又一遍被拉出来炒作的概念，而且低代码确实解决了一些问题。

90年代VB的拖放界面，到后来的Winform，PowerApps，OutSystems。

事实上，大多数的大模型Showcase都完全没有必要编写代码，市场上有大量的开源和低代码方案。

疫情时期，很多社区团购都使用了某赞的小程序低代码平台，我认为这是普通人不用代码去解决代码问题的很好例子。

我知道很多人会说，用低代码的话，你怎么让我的网站和App有自己的审美风格呢？

你不会认为你让Vercel V0用Shadcn 写的那些玩意很有风格吧。

明明大家都是Shadcn，你有个蛋的风格。

软件行业 = 西西弗斯

很多人都听过西西弗斯的故事，这位苦命的老哥每天要把巨石推到山顶，而每次到达山顶后巨石又滚回山下，如此永无止境地重复下去。

举个例子，有赞有低代码团购，帆软有低代码报表，大家还是去做自己的团购和报表。即便知道自己搓的东西和大厂比烂的跟shi一样，老板还是会让你去做。

、抖音的活动页一个月甚至是一周变一次。

软件行业就是这样，每个从业者不厌其烦的去推那块巨石。

每种编程语言，处理同一个任务，都有无数个工具和框架，甚至每天还在诞生新的。

LLM没有解决这些问题，甚至LLM也只是这一循环的一部分。

Manus们 葫芦里在卖什么药？

Manus 实际上在贩卖的是一种“概念”，而不是新的工具。

他们包装的所谓"智能代理"，本质上是将已有的API调用和简单自动化流程重新包装。这些功能在许多现有工具中早已存在，只是被赋予了更炫目的AI光环。

不只是Manus，这波风口中大量的营销材料都是"未来将会实现"的模糊承诺。这是软件行业炒作周期的常见饵料：先卖概念和愿景，实际功能则被推迟到"即将到来"的更新中。

LLM 没有质变

事实上，从GPT3.5到现在的Claude3.7，已经过去了4 年时间。这4年来LLM在沿着一个可以预期的曲线发生量变，而没有质变。

甚至我觉得早期未降智的GPT3.5要比现在的千问啥的强一点（也比现在降智后的 4o mini 强）。

甚至有时候我有点恍惚，OpenAI是不是每次发布新模型之前，就把老模型降智。

就像有些店铺每次双十一之前就先涨价，让你觉得它便宜了。

Anyway，也许未来真的有技术能实现AGI，但应该不是LLM。

不知道有多少人还记得Siri刚发布的时候，Google、微软、亚马逊都紧随其步伐，发布自己的语音人工智能助理。

可谓是勃勃生机，万物进发的境界。

资本一起涌入，当时大家也认为技术会稳步推进，最终达到真正的人工智能。

甚至Siri也引发了关于AI伦理、隐私安全和技术依赖等社会讨论，和LLM如出一辙。（事实证明都多虑了

人工智能助理。

可谓是勃勃生机，万物进发的境界。

资本一起涌入，当时大家也认为技术会稳步推进，最终达到真正的人工智能。

甚至Siri也引发了关于AI伦理、隐私安全和技术依赖等社会讨论，和LLM如出一辙。（事实证明都多虑了

最后是截然不同的技术（LLM）革了Siri的命，我想未来也会是和LLM截然不同的技术实现AGI。

那么，如何快速系统的去学习大模型LLM？

作为一名从业五年的资深大模型算法工程师，我经常会收到一些评论和私信，我是小白，学习大模型该从哪里入手呢？我自学没有方向怎么办？这个地方我不会啊。如果你也有类似的经历，一定要继续看下去！这些问题啊，也不是三言两语啊就能讲明白的。

所以我综合了大模型的所有知识点，给大家带来一套全网最全最细的大模型零基础教程。在做这套教程之前呢，我就曾放空大脑，以一个大模型小白的角度去重新解析它，采用基础知识和实战项目相结合的教学方式，历时3个月，终于完成了这样的课程，让你真正体会到什么是每一秒都在疯狂输出知识点。

由于篇幅有限，⚡️ 朋友们如果有需要全套 《2025全新制作的大模型全套资料》，扫码获取~

👉大模型学习指南+路线汇总👈
我们这套大模型资料呢，会从基础篇、进阶篇和项目实战篇等三大方面来讲解。

9周快速成为大模型工程师

第1周：基础入门

• 了解大模型基本概念与发展历程

• 学习Python编程基础与PyTorch/TensorFlow框架

• 掌握Transformer架构核心原理

• 

第2周：数据处理与训练

• 学习数据清洗、标注与增强技术

• 掌握分布式训练与混合精度训练方法

• 实践小规模模型微调（如BERT/GPT-2）

第3周：模型架构深入

• 分析LLaMA、GPT等主流大模型结构

• 学习注意力机制优化技巧（如Flash Attention）

• 理解模型并行与流水线并行技术

第4周：预训练与微调

• 掌握全参数预训练与LoRA/QLoRA等高效微调方法

• 学习Prompt Engineering与指令微调

• 实践领域适配（如医疗/金融场景）

第5周：推理优化

• 学习模型量化（INT8/FP16）与剪枝技术

• 掌握vLLM/TensorRT等推理加速工具

• 部署模型到生产环境（FastAPI/Docker）

第6周：应用开发 - 构建RAG（检索增强生成）系统

• 开发Agent类应用（如AutoGPT）

• 实践多模态模型（如CLIP/Whisper）

第7周：安全与评估

• 学习大模型安全与对齐技术

• 掌握评估指标（BLEU/ROUGE/人工评测）

• 分析幻觉、偏见等常见问题

第8周：行业实战 - 参与Kaggle/天池大模型竞赛

• 复现最新论文（如Mixtral/Gemma）
• 企业级项目实战（客服/代码生成等）

第9周：前沿拓展

• 学习MoE、Long Context等前沿技术
• 探索AI Infra与MLOps体系
• 制定个人技术发展路线图
  
  👉福利篇👈
  最后呢，会给大家一个小福利，课程视频中的所有素材，有搭建AI开发环境资料包，还有学习计划表，几十上百G素材、电子书和课件等等，只要你能想到的素材，我这里几乎都有。我已经全部上传到优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】