大模型与大模型应用
大模型是当前IT行业最火热的前研技术，没有之一，其本身也在快速演进。且不说大模型本身，仅就上层应用来说：最近5年来，方法从Prompt Engineering、Context Engineering进化至Harness Engineering、Loop Engineering，形式从对话进化至Agent,并同步出现了Function Call、MCP、Dify、Claw、Skills、Hermes等具体的落地技术。在这个过程中，对IT从业人员来说，往往一个概念、技术还没熟练掌握和展开应用，新的模式又扑面而来，形成对原有的技术的替代；譬如Prompt、Skill刚出现时需要人工编辑，后来很快就可自动生成；真有点如网上调侃的：只要你不学习，你就不用学习；而你如果要学习，你就有学不完的习。这个进程现在看还在持续中。
大模型基于概率决定的技术原理决定了它好像解决了某些问题，但又不能彻底解决，因此在现有很多场景流程中有点鸡肋，能提高效率，但仍离不开人兜底。当前基于大模型的应用开发总体上两种模式，一种是将大模型嵌入到现有的业务流程中，作为必经节点或者辅助节点，另外一种是开发大模型应用独立入口，重构或调用现有的业务流程，就是常说的AI原生思路。不管那种形式，大模型相关的爆款非娱乐性应用仍然偏少。这也跟用户既有的习惯相关，很多同事包括我自己都感觉：大多数情况跟大模型说一大堆，有这个时间早都可以手工定位功能、完成录入和处理了。就像很多银行推出的AI转账，大部分人反而觉着使用麻烦，但对部分老人、视障人士可能是福音，有助于消除数字鸿沟。因此，基于大模型的应用也不能说完全没意义。
智能编程
大模型当前最成功的工业化应用无疑是编程，Claude Code已是某些人口中的编程之神，仅需描述自己想要什么，就能得到相关的代码，好像编程已不存在了。其实这只是编程的形式变了，而非编程不存在了。编程是将人头脑中的设计转换为代码的过程，不可能头脑中没有设计，代码却出来了，这不符合物理规律。现有的AI编程中，好像只说了一两句话，AI给出了完整代码，比如请AI编写个日程管理软件、作业检查软件；这种情况一般是AI在训练中已经输入了类似软件的代码，与其说是编码，毋宁说是AI推荐了相关软件，是以代码的形式提供的。
当然这也是有意义的，因为至少从形式上来说，编程对人的技能要求降低了，或者说改变了对人的技能要求。先前的编程需要学习专门的编程语言，在AI加持下，自然语言也可编程。但自然语言也可编程不意味任何人都可以编程，这要求编程人员必须能够清楚地有逻辑地描述自己的意图或者转述别人的意图，能够验证结果是否满足自身要求，并反馈跟自身预期有差异的部分。关于这一点，我非常赞同计算机科学奠基人Edsger Dijkstra1978年在短文《论“自然语言编程”的愚蠢》中观点。
狼来了
2026年以来，国外大厂不时传出以AI名义裁员的新闻，一阵一阵的，作为IT从业者难免惶恐不安，同事闲聊间也免不了讨论，不知裁员的事情会不会有一天落到自己头上。可就像《狼来了》故事中的村民，“狼来了”喊得久了，麻木了，反而怀疑是“AI未必有宣传得那么厉害、大厂不过是假借AI的名义”。
