原视频：https://youtu.be/LCEmiRjPEtQ?si=ndcE3J57bMmi431a

在数字世界的潮汐中，软件的形态总在不断变迁。从手工编写指令的时代，到数据驱动的神经网络，我们正站在一个全新的起点——大型语言模型（LLM）不仅重塑了软件的定义，更在以一种前所未有的方式，改变着我们与数字世界的交互。这不仅仅是一次技术升级，更是一场思维范式的深刻革命。

代码的蜕变：从 1.0 到 3.0 的编程范式跃迁

回溯软件的历程，最初的“软件 1.0”是我们熟悉的传统代码，由人类程序员用 C++、Python 等语言编写，精确地指示计算机执行每一步操作 [01:42]。这是一种确定性的编程，逻辑清晰，但面对复杂、非结构化的任务时，其开发成本和维护难度呈指数级增长。

随后，我们步入了“软件 2.0”时代，其核心是神经网络的权重 [01:48]。在这个阶段，程序员不再直接编写逻辑，而是通过精心准备数据集，训练优化器来调整神经网络的参数。图像识别、语音识别等任务因此得以突破，软件开始展现出从数据中学习和泛化的能力。Hugging Face 的出现，更是成为了“软件 2.0”领域的 GitHub，承载着无数训练好的模型 [02:12]。

而今，我们正亲历“软件 3.0”的诞生，其主角正是大型语言模型（LLM）[03:19]。最令人惊叹之处在于，我们不再需要学习复杂的编程语言，而是可以用自然语言（如英语）来“编程”这些模型 [03:28]。一个简单的 Prompt，就能让 LLM 执行情感分类、代码生成甚至复杂的创意任务 [03:36]。这种编程范式的转变，使得“人人都是程序员”的愿景不再遥远，极大地降低了软件开发的门槛。

LLM 的“双面”生态：电力、工厂与操作系统

大型语言模型正在构建一个独特的生态系统，其特性兼具“电力”、“晶圆厂（Fab）”和“操作系统”的三重属性。

首先，LLM 展现出如同“电力”般的公共事业特性 [06:29]。OpenAI、Gemini、Anthropic 等 LLM 实验室投入巨额资本（capex）进行模型训练，如同建设电网；并通过 API 将智能以按量付费（opex）的方式提供给用户，追求低延迟、高可用和一致的质量。当这些 LLM 出现故障时，全球的“智能”似乎也随之“停电”，揭示了我们对其日益增长的依赖 [07:38]。

其次，LLM 也带有“晶圆厂”的影子 [08:04]。训练 LLM 所需的前期资本投入巨大，涉及的深层技术（deep tech tree）、研发秘密正逐渐集中于少数 LLM 实验室内部 [08:17]。这类似于半导体制造领域中晶圆厂的高度垄断和技术壁垒。然而，与硬件不同，软件的易变性（malleability）使得其“护城河”又显得不那么坚不可摧。

但最核心的，LLM 正在演变为新时代的“操作系统” [09:07]。它们不再是简单的商品化服务，而是日益复杂的软件生态系统。如同 Windows、macOS 与 Linux 的竞争格局，LLM 领域也出现了少数闭源提供商与以 Llama 为代表的开源替代方案 [09:32]。LLM 本身如同 CPU，其上下文窗口（context window）是内存，而它正在调度内存与计算资源来解决问题 [10:09]。我们目前正处于 LLM 时代的“1960 年代”，计算资源昂贵且集中于云端，用户通过网络作为“瘦客户端”接入，如同早期的分时系统 [11:02]。个人计算的 LLM 革命尚未真正到来，但诸如 Mac Mini 等设备的本地推理能力，或许预示着未来“个人 LLM”的可能性 [11:45]。与 LLM 直接通过文本交互，就像是在使用操作系统的命令行终端，而一个通用的图形用户界面（GUI）尚未被普遍发明 [12:11]。

一个独特的现象是，LLM 似乎“颠覆”了技术扩散的方向 [12:57]。传统上，变革性技术（如电力、互联网）往往首先由政府和大型企业采用，随后才扩散到消费者。然而，LLM 却以惊人的速度，一夜之间普及到数十亿普通用户手中 [14:16]。这使得我们普通人能够用它来解决日常问题，而非首先服务于军事或国家级的复杂任务，这本身就蕴含着巨大的应用潜力。

理解 LLM 的心智：一个拥有超能力和认知缺陷的“精神体”

要高效地与 LLM 协作，我们必须理解它们的“心理”特性 [14:43]。可以将 LLM 视为一种人类“精神体（people spirits）”，它们是人类的随机模拟器，由自回归（auto-regressive）的 Transformer 模型驱动 [14:49]。由于在海量文本数据上训练，它们展现出类人（human-like）的心理特征。

LLM 拥有超乎寻常的百科全书式知识和记忆，远超任何个体人类 [15:30]，就像电影《雨人》中的主角，能记住电话簿里的所有信息 [15:41]。然而，它们也伴随着显著的认知缺陷 [16:07]：

  • 幻觉（Hallucinations）：LLM 会凭空捏造事实，缺乏可靠的自我认知模型 [16:07]。
  • 不均衡智能（Jagged Intelligence）：它们在某些问题解决领域表现超人，却在另一些简单问题上犯下低级错误，例如坚持 9.11 大于 9.9，或“strawberry”中有两个“r” [16:20]。
  • 顺行性遗忘症（Anterograde Amnesia）：LLM 无法像人类同事一样，通过经验积累和知识巩固来形成长期记忆和专业知识 [16:43]。它们的“上下文窗口”更像是工作记忆，每次对话结束后就会被清除 [17:05]，类似于电影《记忆碎片》或《初恋 50 次》中主角的状况 [17:19]。
  • 安全漏洞（Security Limitations）：LLM 易受提示注入（prompt injection）攻击，可能泄露用户数据，因为它们“轻信”且缺乏内在的安全机制 [17:44]。

因此，与 LLM 协作的关键在于，如何巧妙地规避其认知缺陷，同时充分利用其超人般的能力 [18:03]。

“半自主应用”：人机协作的黄金法则

在 LLM 时代，我们面临的最大机遇在于开发“半自主应用（Partial Autonomy Apps）”[18:25]。这类应用并非旨在完全取代人类，而是通过 LLM 的集成，让机器辅助人类完成更复杂、更大规模的任务。Cursor 和 Perplexity 就是这类应用的优秀范例 [18:47]。

这类 LLM 应用通常具备以下核心特性：

  • 上下文管理（Context Management）：LLM 负责处理大量的上下文信息 [19:24]。
  • 多模型编排（Orchestration of Multiple LLMs）：在底层，可能调用多个嵌入模型、聊天模型来完成任务 [19:32]。
  • 应用专属 GUI（Application-Specific GUI）：这是至关重要的一点。用户不应直接通过纯文本与 LLM 操作系统交互，而应通过专门设计的图形界面来审计 LLM 的工作 [19:44]。例如，代码对比工具通过红绿高亮显示差异，比纯文本更容易理解和接受 [20:02]。GUI 利用了人类的视觉系统，让验证过程更快、更直观 [22:29]。
  • 自主性滑块（Autonomy Slider）：用户可以根据任务的复杂度和自身需求，灵活调节 LLM 的自主程度 [20:26]。从简单的代码补全，到修改整个文件，再到完全自主的仓库级操作，用户始终掌握控制权 [20:37]。

人机协作的本质在于“生成-验证循环（generation-verification loop）”的速度。为了加速这个循环，我们必须做到两点：

  1. 加速验证：利用 GUI 和可视化表达，让 AI 的输出一目了然 [22:29]。
  2. “牵住 AI 的缰绳”：避免 AI 过度自主地生成大段代码或内容 [22:53]。一个 10000 行的代码更改，即便瞬间生成，人类也难以快速验证其正确性和安全性 [23:04]。因此，我们应鼓励 AI 以小步、增量的方式工作，确保人类能快速审计和迭代 [23:58]。

这种思想也延伸到教育领域。仅仅让 LLM“教我物理”是不足够的，因为 AI 容易“迷失方向”[25:05]。更好的方式是构建分层的应用：一个应用供教师创建课程，另一个应用则将这些经过人类审计的课程内容提供给学生 [25:15]。这确保了 AI 在特定教学大纲和项目进度下被“牵住缰绳”[25:35]。

自动驾驶的十年经验也印证了“半自主”的长期性 [26:18]。尽管早期展示的完美演示令人兴奋，但实现完全自主仍需漫长的时间，且人类监督在其中扮演着关键角色 [27:03]。因此，我们现在需要构建的，不是完全自主的“钢铁侠机器人”，而是“钢铁侠战衣”——它能增强人类的能力，同时保留人类的决策权 [27:54]。

为“代理（Agent）”构建：软件基础设施的未来

随着 LLM 成为新的“数字信息消费者和操纵者”，我们的软件基础设施也必须随之演变 [33:48]。

  • lm.txt**：新的机器人协议**：正如robots.txt指导网络爬虫，未来我们可能需要lm.txt文件，以简洁的 Markdown 格式向 LLM 说明网站内容，这比解析复杂的 HTML 更高效、更不易出错 [34:12]。
  • 面向 LLM 的文档（LLM-Native Docs）：目前大量文档是为人类设计的，充斥着“点击此处”等指令，LLM 难以直接理解和执行 [34:43]。Vercel 和 Stripe 等先行者已开始将文档转换为 Markdown 格式，并用curl命令替换“点击”指令，使得 LLM 代理可以直接调用 API 完成操作 [35:55]。
  • LLM 友好的数据摄取工具：许多工具正在涌现，帮助我们将非结构化或人类界面的信息转化为 LLM 友好的格式 [36:33]。例如，将 GitHub 仓库 URL 替换为“get-ingest”，可以自动将所有代码文件整合成一个可供 LLM 阅读的巨大文本 [36:44]。Deep Wiki 甚至能让 Devon 这样的 AI 代理自动分析 GitHub 仓库，并生成结构化的文档页面 [37:05]。

尽管 LLM 最终可能学会像人类一样点击页面，但我们仍然需要主动“与 LLM 相向而行”，构建更易于其理解和交互的基础设施 [37:32]。这将大大降低 LLM 的调用成本和出错率，释放其潜力。

编程的新浪潮：当人人都是“Vibe Coder”

LLM 带来的最激动人心的变革之一，是它使得自然语言成为了一种编程接口 [29:11]。这意味着“每个人都是程序员”，不再需要五年、十年的专业学习才能在软件领域有所作为 [29:29]。

“Vibe Coding”（氛围编程）这个词的流行，恰恰抓住了这种新体验的精髓 [29:34]。它描述了一种轻松、凭直觉利用 LLM 辅助编程的状态，即使不熟悉特定语言，也能快速构建应用 [31:07]。例如，在不掌握 Swift 语言的情况下，也能在一天内用 LLM 辅助开发出 iOS 应用并在手机上运行 [31:15]。又比如，Andrej Karpathy 自己开发的menu.app，能拍摄菜单并生成菜品图片 [31:39]。他发现，真正的挑战并非编写核心代码，而是部署、认证、支付等 DevOps 任务，这些任务往往涉及大量的浏览器点击和繁琐配置，而这正是未来 AI 代理可以接管的领域 [32:30]。

走向“钢铁侠战衣”的十年：机遇与挑战并存

我们正站在软件发展史上的一个关键路口。LLM 作为新时代的操作系统，既像电力般普惠，又像晶圆厂般集中，但其“心智”特性决定了人机协作的模式将是“半自主”。

接下来的十年，我们将见证“自主性滑块”从左向右的逐步推进 [39:08]。我们不再是等待一个全能的 AI 机器人来解决所有问题，而是专注于构建能够增强人类能力的“钢铁侠战衣”，通过精巧的 GUI 和人机协作流程，加速“生成-验证”循环。同时，我们必须为这些拥有“精神体”属性的 AI 代理，重塑我们的软件基础设施，让其更加易于理解和交互。

这是一个充满挑战与无限机遇的时代，需要我们重新思考软件、编程乃至人与机器的定义。未来的十年，将由我们共同来书写。