AI 未来

当处在现在这样一个每个厂里使用 AI 提效裁员的阶段，想写一篇关于基于当前形式对未来 AI 的判断的思考。 而又不自觉地打开了 chatgpt 想搜索总结一下最近的补全时代、vibe coding 时代实际现在盛行的 harness 时代，我发现生活已经融入了 AI 而且很久没有独立思考。

仔细回想，从补全时代到开始 vibe coding 不到一年时间，再到 vibe coding 基本可用也不到一年时间，这当中带来的变化深刻改变开发范式。 而如今，为了更好的处理大模型符合使用者开发标准及需求，使用 harness engineering 去控制。

不难看出，编码的发展方式是从模型预测，到模型执行，再到模型更好的执行。最后的 harness 范式就是将大模型的 GENERAL 能力约束。而呈现 harness 的方式也是从代码规范的 lint 、 prettier 等到使用 md 的自然语言来约束。这是因为此时模型和人类之间的自然语言和代码的鸿沟已被消除。 而且这种开发方式将在全部 repo 及 project 未全自动化阶段之前将会一直发展存在。当然某些公司已早开始进行完全 AI 自动化执行的探索。比如 jules 以及 stripe 的minions.

这里我想预测一下未来相关 AI 对代码开发的一些趋势，至于为什么选择代码方面，目前人类大部分使用代码构建的数字化软硬件及其衍生物，是对现实生活影响最广最快到达的地方：

代码管理与开发：

现在还处于混乱时期，公司 AI 提效导致员工失业，被裁员工会流向各个传统企业完成 AI 赋能转型、或者创业、或者开发个性化需求。 可能会造成短暂代码繁荣态。 随着 AI 进入人生活时间推移，大部分人可以很好掌握相关技能，未来最终会将日常大众需求所用应用的代码同领域合成一个。 比如说 IM 软件只剩一个 telegram ，而各细分专业领域自身软件可能保持差异存在。 用户只需提出 issue 需求，日常大众所用应用将由 AI 做实现及维护， 不同需求由不同插件实现，安装时 AI 由需求自动选择插入。 这样所用 APP 在保持主体一致性上满足不同需求差异。 主量 token 会被用来攻坚数学物理难题、移民外星、保持环境平衡等重大问题。

部署方式：

未来 AI 能力太通用，后续将会把 AI 的不同能力切分出来，比如最常用自然语言意图，然后相关的代码能力拆分出来。两部分结合用于普通开发使用。最公共开放的自然语言意图部分比较通用且访问量大，所以自然语言意图部分部署在公司本地，厂商自身私有模型代码能力部分部署在服务提供商云端。 这样可以控制成本并提高性能。

时间再远一些，就要需要考虑社会意识形态的影响。希望未来人人平等，吃得起饭，不要再回到封建社会了。 这篇文估计也不会有人看到，只是作为自己小小标记，希望未来还活着读到这篇文章的时候记得这些焦虑的日子。 以上是我浅显粗鄙的个人思考,Thats all.