大语言模型（LLM），究竟能不能替代程序员？

总有人问我，大语言模型这么强了，究竟能不能代替程序员？

我的答案是，大语言模型可以给程序员提效，精简研发团队和流程，但替换还谈不上。

LLM出现后，有人说：完蛋了，程序员要大面积失业了。

我不这样看。

LLM对于软件开发，什么变了？什么没有变？

变化的是，基础编码能力的知识平权，进而带来局部效率的提升。

没有变的是，现代软件工程对应的是规模化场景下的各种问题，基于LLM实现的编程提效只是其中的一小部分，而其中最重要的需求和代码演进模式都没有发生本质的变化。

编程不等于软件工程，编程只是软件工程的一部分。

软件工程有四大内在特性：复杂度、不一致性、可变性、不可见性。这些并没有因为LLM的出现而发生本质的变化，而这些才是软件工程面临的主要矛盾。

软件的复杂度，说的是需求分析和软件设计部分是复杂的，而不是局部的编码变简单。

软件的不一致性，说的是软件依然是知识手工业，LLM出现并未解决这个不一致性的概率，反而可能放大这个不一致性的概率。

我们只有需求说的足够清楚，代码才足够准确，如何准确描述需求变成了关键。

但要想把需求描述到能让它写出代码，需要的工作量似乎已经接近甚至超越过编码了。

很多人不能很好的描述需求，但不影响他写代码。

还有，很多产品经理提的需求，背后其实有很多暗知识，就是程序员已经对产品需求中不包含的信息进行了补充。

软件的需求，不仅仅是功能性的，还有很多非功能性的，这两者都是需要描述清楚的。

总之，软件从业者高估了编程的复杂度，但低估了功能和设计的复杂度。

软件的可变性，说的是软件会随着需求不断演进和变化，所以架构设计和模块抽象只能面向当下，它天然是短视的，或者局限性的，这往往是优秀的架构师也难以逾越的。

也正因为此，敏捷开发模式才被倡导起来了，需求是零散的，目标是模糊的，在有限的视角下，架构自然是有局限的，对此LLM也无能为力。

需求变化之后，程序员一般是在原有代码基础上改动，而不是直接从头全量生成全部代码，而这种局部的改动，对程序员和LLM都不容易。

LLM写代码，本质上不是基于修改意见（Prompt）做代码修改，而是基于修改意见（Prompt）重新写了一份。

软件的不可见性，说的是软件不存在客观的形体，不同的侧面看会有不同的视图，这种强行可视化会造成构图的复杂，但无法可视化，就限制了有效的交流和沟通。
如果团队或者软件规模变得更大，这个问题就会变得更严重，软件研发过程中的沟通成本，决策成本，认知成本，试错成本都会变大。

这才是软件工程问题的本质，自始至终都没有变过，LLM对此也无能为力。

LLM只是实现了编程提效中的一小部分，而现代软件工程则需要应对规模化场景下的各种问题。

LLM时代，软件研发需要更多思考的是：
\1. 替代的是码农，共生的是工程师，也就是编码的最后一公里，可以被LLM代替，而工程师需要关注业务的理解，需求的分析，需求的拆解，架构的设计，理解问题本质，机器是副驾驶，工程师是主驾驶；
\2. 有利于控制研发团队规模，保持小团队的优势，一部分重复的工作可以通过LLM提效；
\3. 暗知识，系统设计或者需求不一定全是以文档形式存在，往往是在程序员或架构师的脑子里，或者在讨论的过程中，即便是有文档，也是个结果文档，大量的推导过程，妥协过程也不是在文档上体现的，这些被称为暗知识，这些暗知识是没法喂给LLM的。总之，你想到的多过你说出来的，你说出来的多过你能写下来的；
\4. Prompt即代码，代码不再只是代码，转换一种编程范式，当需求变更了之后，不是去修改代码，而是修改Prompt，基于Prompt版本做代码管理，这是编程范式的改变，我们用LLM重写低代码引擎，也是这个逻辑，Prompt即代码；
\5. 直接可运行，Prompt to executable 软件开发范式的可能性，随着Prompt即代码，编程范式的变化，基础设施也会随之变化，CICD等一系列工程实践，最终直接向终端交付价值，Serverless是Prompt即代码的一种可能实现；
\6. 计算机教育的反思，LLM证明了死记硬背+简单推理，就能超过大部分人，那教育的目的是什么？教育是应该把人培养成机器，还是把机器培养成人；

也许我们全都错了，我们需要新的思考与反思。

​

如何学习大模型

现在社会上大模型越来越普及了，已经有很多人都想往这里面扎，但是却找不到适合的方法去学习。

作为一名资深码农，初入大模型时也吃了很多亏，踩了无数坑。现在我想把我的经验和知识分享给你们，帮助你们学习AI大模型，能够解决你们学习中的困难。

下面这些都是我当初辛苦整理和花钱购买的资料，现在我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习，等录播视频免费分享出来，需要的小伙伴可以扫取。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向，东学一点西学一点，像只无头苍蝇乱撞，我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。

二、AI大模型视频教程

三、AI大模型各大学习书籍

四、AI大模型各大场景实战案例

五、结束语

学习AI大模型是当前科技发展的趋势，它不仅能够为我们提供更多的机会和挑战，还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型，我们可以深入了解深度学习、神经网络等核心概念，并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时，掌握AI大模型还能够为我们的职业发展增添竞争力，成为未来技术领域的领导者。

再者，学习AI大模型也能为我们自己创造更多的价值，提供更多的岗位以及副业创收，让自己的生活更上一层楼。

因此，学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。