I'd rather be a sparrow than a snail.

I'd rather be a deepseek than a tongyiqianwen.

Yes I would, if I could, I surely would.

氛围编程越发有氛围了。

用免费版的deepseek和通义千问最多。通义千问基本概念很扎实，积极主动，发言踊跃，但脑子总是差根筋转不过弯，复杂点的问题几乎没一样能成，适合快速咨询基础知识点，替代搜索引擎。Deepseek重剑无锋，虽然有些木讷迟钝，却不仅能给出功能独立的完整板块，似乎还真能“推理”和“思考”。昨天让它还原一段乱码的原文，它能逐字节尝试解析，并结合连词合理性判断和选择不同的字符编码，最后给出最有可能性的正确答案——这可是真正的解决问题，光靠搜索和知识库是不行的。通义千问面对相同的问题呢，有模有样认真思考了一番，然后不知从哪儿找来案例回答起方法论，最后完全抛开了实际问题直接给出了案例中的答案。

对于更大更复杂的系统，AI应付起来仍然力有不逮，这是由软件系统的内在复杂性决定的。每增加一个变量，系统的可能状态组合便会再乘以该变量的所有状态数，复杂度呈指数级上升；类比那个国际象棋盘放小麦的故事，它就是包含64个布尔变量的系统，其状态数达到地球尺度量级，与地球上的沙粒总数相当。在这种状态量级下，直接氛围开发复杂系统，或接管维护既有系统都是不可能的。所以AI时代的工程化能力不可或缺，大系统分解成子系统，子系统拆分成模块，模块细分为函数，高内聚低耦合，对扩展开放对变化封闭，这些铜器软件时代的戒律也正是氛围编程进入真实系统的圭臬。

LLM本质是对符号语言的处理，而语言在人类智能演化中发挥了决定性作用。LLM只是以输出词序概率为目标，却同时获得了思考和推理能力，让人惊叹。萨丕尔-沃尔夫说，语言决定思维，它不仅是思维的载体，也是思维模具。维特根斯坦说，语言的边界，就是世界的边界。

使用VS Code时，顺带就会用到免费但限额的Copilot Code Completions。除了机械的代码补全，它也能根据历史修改、注释、代码上下文自动分析并输出功能性代码段，目前大概能做到智能化搜索引擎的程度，对于成熟的模式化代码效果相当好。代码“补全”何尝不也是决定符号的输出词序，只是功能意图并非源自氛围编程家的prompt，而需要自主分析。VS Code编码中也会混杂自然语言文本，比如注释，或网站开发中的文字描述；有意思的是，Copilot会一视同仁的持续提示……对于注释，尽可借鉴接纳；至于写作，最好还是主动构思、构词。毕竟LLM输出的只是基于大量网络语料的平均化表述，个人笔下的文字，应该有更多的创新和个性气息吧。就算用旧作创建一个知识库，也算不上最好选择。

(微信中因网页重排导致链接异常或无法留言，请长按二维码并选择识别，或通过右上角菜单“在浏览器中打开”)