一个关于 AI-Programming/Coding 人机共生的讨论框架
20241013 针对大帅老猿 vs 云风 on X: "在 AI 高速进化的今天，编程能力只会越来越不重要 vs 想法创意，执行力，持续获取流量的能力只会越来越不重要"，这不是简单的程序员与产品经理谁先下岗（哪种能力更容易被 AI 吸收）的问题；
1.1）讨论中提到了经典的可计算问题，无限复杂世界的可计算依赖形式化（符号化），但在映射为各种模态的符号并传递过程中，上下文信息是无法保真的（人有取舍、AI 有压缩），这也是符号主义只能转向连接主义的原因之一。回头看经典的软工一直在做的事情（理想目标），就是让云风这类上游程序员 “抽象封装”尽量完备的针对世界建模的元件及其架构（各类 SDK），而让大帅老猿等下游程序员（将来就是云云众生）来构建世界模型的某个局部与侧面（如那些重 CURD 类的 “映射界面”），优雅的内核代码与业务屎山代码并存，正是体现了一代代程序员形式化这个世界的努力。而软工到了 AI-Coding 爆发前的低代码/无代码（图形编程）阶段，我认为其实是到了所有程序员综合认知负担的一个瓶颈，少数心力强的架构者无法周全后续映射的全部可能，大量业务实现者则基于 SDK 所谓的“最佳实践”匆匆构建。但所有这些产出物在 GPT 之后回头看，仿佛就是为 AI-Coding 准备着的，破局的范式正是在已有 SDK 抽象实践基础上的“屎山代码”中构建起来。
1.2）有意思的是，TDD（测试驱动的开发）正是图灵测试的一个隐喻，因此只要能形式化（符号化）写出的测试，AI 早晚一定能够生成代码并通过测试，考虑到程序员极其讨厌测试覆盖与带新人，TDD、结对编程等很多经典软工反而更面向 AI（工程化就是为了自动化）。而回到当下讨论具体实现的过程中，程序员与 AI 的这种范式交叉（比如巧合编程之类对人是糟糕的，而对 AI 就是其本质），如同这两天 Hinton 翻 Chomsky 的旧账一样，那就是两边都对（只是视角不同而已）。
2.0）由上述关于经典软工方法论及其与 AI-Coding 关系的讨论，能否推论出 Coding 更容易被 AI 吸收吗？即使 AI-Coding 的确是这一年落地最快的领域，我也并不那么确定，因为对自己熟悉的领域更容易祛魅些。再找一个一直跟进 AIGC & AI-Design 的设计师，他极有可能也会通过论述设计领域的范式迁移，倾向 Designing 更容易被 AI 吸收……这也是类似讨论最后无法深入而各说各话的原因。而问题的关键，除了职业技能视角的不同，则是讨论过程中没有清晰的区分 Copilot 与 Agent 及其当下的发展阶段。 我尝试构建了一个关于人机共生的讨论框架（见人机共生的讨论框架.excalidraw），用以分析 AI-Programming/AI-Design 以及 Human-in/on-the-loop 的范式迁移。
2.1）图中横轴由产品设计（偏描述 Description）与编程开发（偏表达 Representation）从两侧往中间汇聚，构成这个吞噬一切的软件/互联网世界，两个方向按照当下的职业技能，各自再分为大致的三部分（整体是连续而非离散的），体现了通过描述物理世界并在数字世界表达，从而根据 to X 不同模式构成丰富的 Human-in/on-the-loop（其反身性见后）。纵轴为 Copilot 与 Agent 两条介入度（落地率）不断变化中的曲线，这里 Copilot/Assistant 与 Agent 的差异，可参考 Harrison Chase 系列博客中对 Agentic（智能体特性）与 Human-in/on-the-loop 的论述，在
2.2）区分“技能任务”与“职业工作”两个概念（参考招聘文案，抬头是职业，细则是技能），前者受 Copilot/Agent 的影响是相对清晰可测的，而后者的变化则要复杂的多，不是“前端后端并全栈”那么简单。
为何之前的“套壳”现在敢用“认知架构”这个词，因为 LM/FM 在信息压缩基础上，可以对人提供的 Prompt（符号）及其 Engineering（结构）“解压”出一个新世界，这种“嘴替”和“手替”级别的生成，很难不将其与人的认知对等看待（将人的认知过程分出去了一部分）。此外，一头是 Prompt 大神们跟进 AI 能力不断探索生成内容的天花板，而从社会经济整体看，另一头必然是文本构建并诠释概念体系的价值在不断的消解，这也是写作两极分化的另一种体现。
而在 AI 吞噬软件的趋势下，设计侧是 AI-UX 向 AI-Design 的发展，开发侧是 AI-Coding 向 AI-Programming 的发展。
0）AI-Programming/Coding 的这一波讨论，到 Naval 这个金句时，其实已经陷入一种概念框架的杂糅中。简单说，就是把“技能”与“职业”混在一起讨论。Grady Booch 认为，软件工程是个抽象程度不断提升的领域，当下只不过与之配套的工具发生了变化，新的软件架构技能要求在一个更具想象力的层面展开。这里的技能是细颗粒度的，个体的，相对独立而可测量的，而职业不是技能的简单的组合，虽然教育领域希望能将其简化为如同学科专业的划分一样。AI 对职业的影响，需要在更为宏观的社会层面展开，涉及群体与制度。
1）Geofrrey Hinton 说“人类当下局面是，旧石器时代的大脑、中世纪的制度与类神的技术。”因此我们应该聚焦在 AI 对技能进化的影响，多些应用场景的实例，多些众源的实操体感变化。而 AI 对职业进化的影响，即需要考虑人类智商与认知负担的正态分布，也要考虑历史上新技术是如何型构社会的，如同大卫·格雷伯在《规则的悖论》中所言，诗性技术从来都是导向官僚技术。这个议题极为庞杂，比如职业分工与技能融合之间的张力，“人人都是产品经理”这个畅想的荒诞（之前的“是个人都能做产品经理”）。
2）沿着 AI 辅助编程给软件工程带来的需求开发范式变化 的举个例子：这里面的产品设计与开发程序员的技能扩展了，那他们的职业还能这么称呼吗？如同 Grady Booch 举的例子：“架构师的大部分工作，实际已经是从大型框架和组件中做选择并将它们编排在一起时，就越来越多被称为高级工程师、首席工程师或者杰出工程师之类……所以现在架构师的决策变成了：我该使用哪种云服务、该选择哪种消息传递系统？这个决定涉及很多经济考量，而不仅仅是与软件相关的选择。我认为架构师的角色已经发生了重大变化，因为大家现在处理的是系统问题，而不再仅仅局限于软件本身。”可见，这不仅仅是职业岗位称谓的变化，其实也反映了整个软工的结构变化。