可以编写一些 Python 代码来实现（Software 1.0），或者训练一个神经网络（Software 2.0），再或者直接提示大型语言模型（Software 3.0）。这里有一个少样本提示的例子，您可以想象通过改变它来以稍微不同的方式编程计算机。

这不仅是一种新的编程范式，更令我惊讶的是，它是用我们的母语——英语编写的。几年前，当我意识到这一点时，我发了一条推文：英语正在成为最高效的编程语言。

我们有三种完全不同的编程范式。如果您即将进入这个行业，精通所有这些范式是非常好的主意，因为它们各有优缺点。您可能希望用 Software 1.0、2.0 或 3.0 来编写某些功能——您是要训练神经网络，还是仅仅提示大型语言模型？

随着时间的推移，当我们改进自动驾驶系统时，神经网络的能力和规模都在增长。此外，所有的 C++ 代码都被删除了，许多最初用 Software 1.0 编写的功能都被迁移到了 Software 2.0。

将来自不同摄像头和不同时间的信息进行拼接的工作都是由神经网络完成的，我们因此能够删除大量的代码。Software 2.0 堆栈几乎是字面意义上地"吃掉"了 Software 1.0。

这个类比也有点模糊，因为这是软件，而软件的防御性较弱——它具有很强的可塑性。一个突破可能很快就会被复制或超越。

使用分时系统是合理的，我们都在云端运行计算机时，只是批处理的一个维度。这与当时计算机的形态非常相似：操作系统都在云端，所有数据都通过流式传输，并且进行批处理。

每当我直接通过文本与 ChatGPT 交流时，我感觉就像通过终端与操作系统对话。但您不会想直接用终端——Cursor 才是您想要的应用程序。

大型语言模型的情况正好相反。它们首先被普通消费者用于日常任务——如"如何煮鸡蛋"之类的查询——而企业和政府在采用所有这些技术方面都落后了。

这是一种全新的技术传播模式，它使得技术民主化的速度前所未有地快。任何人只要能上网，就能使用世界上最强大的 AI 能力——这不需要企业级合同，不需要 IT 部门审批。

大型语言模型是复杂的操作系统，它们类似于 20 世纪 60 年代的计算——我们正在重新进行计算。但为什么要直接与操作系统交互呢？拥有一个专门的应用程序会更有意义。

在 Photoshop 中，差异会是什么样子？现在许多传统软件都有各种开关和各种东西，这些都是为人类设计的，所有这些都必须改变，并变得对大型语言模型可访问。

Hugging Face 的 Tom Wolf 分享了一段我非常喜欢的视频，这些孩子正在进行氛围编程（Vibe Coding）。我觉得这是一个非常治愈的视频。你怎么能看到这个视频，然后对未来感到悲观呢？

当您将 URL 从 GitHub 更改为 get.ingest 时，它实际上会将所有文件连接成一个巨大的文本，并创建目录结构——这样 LLM 就能直接消费了。

也许更戏剧性的例子是 DeepWiki——来自 Devin 的工具。它不仅仅提供文件的原始内容，而且会对 GitHub 仓库进行分析，并为您的仓库构建完整的文档页面。您可以想象，这对于复制粘贴到 LLM 中会更有帮助。

未来 LLM 绝对有可能——这甚至不是未来，而是现在——它们将能够四处浏览并点击东西。但我仍然认为，让 LLM 更容易访问所有这些信息是非常值得的。许多软件会有一个长尾效应——它们不会适应应用程序，因为这不是像实时播放器那样的仓库或数字基础设施。

这些大型语言模型有点像那些易犯错的操作系统——它们会幻觉、会犯错、会有 bug。但就像早期的 Unix 一样，核心架构是对的，剩下的只是时间和迭代的问题。

现在是进入这个行业的绝佳时机。我们需要重写大量的代码，这些代码将由专业人士和程序员编写。正如软件从 1.0 迁移到 2.0 时特斯拉删除了大量 C++ 一样，现在的迁移规模更大。