Fragments: June 16
TL;DR · AI 摘要
LLM技术正在改变编程方式,提升效率并激发创造力,同时对软件开发方法论如DDD提出了新挑战。
核心要点
- 使用LLM编程可以减少重复性工作,加快反馈循环。
- Chelsea Troy提出与LLM对话的四种模式:探索、头脑风暴、决策、实施。
- Charity Majors警告AI支持者与怀疑者之间的分歧可能影响技术发展进程。
结构提纲
按章节快速跳转。
- §引言
Martin Fowler分享了他对LLM技术对编程影响的思考。
LLM技术减少了编程中的重复性工作,提升了开发效率。
Chelsea Troy提出了与LLM对话的四种不同模式,有助于提高交互效率。
Martin Fowler认为Domain-Driven Design在LLM时代可能变得更加重要。
Charity Majors指出AI支持者与怀疑者之间的分歧可能影响技术发展。
思维导图
用一张图看清主题之间的关系。
查看大纲文本(无障碍 / 无 JS 友好)
- LLM对编程的影响
- 提升编程效率
- 减少重复性工作
- 加快反馈循环
- 与LLM对话的模式
- 探索
- 头脑风暴
- 决策
- 实施
- 技术挑战与分歧
- AI支持者与怀疑者的分歧
金句 / Highlights
值得收藏与分享的关键句。
Programming was how I could express myself. I wasn’t an artist. When I sing, dogs howl. When I draw, friends say, 'Very nice. What is it?'
Chelsea Troy classified them in four ways: Exploring, Brainstorming, Deciding, Implementing.
Charity Majors raises an alarm about the crevasse forming between AI enthusiasts and AI skeptics.
碎片:6月16日
Martin Fowler:2026年6月16日
“实用Dave”托马斯(《实用程序员》一书的合著者)从小就热爱编程。
编程是我表达自己的方式。我不是艺术家。当我唱歌时,狗会嚎叫;当我画画时,朋友会说:“很好,这是什么?”即使我渴望与人建立联系,但我与人之间的联系并不特别好。然而,当我编写第一个程序时,我发现了这样一个媒介,它让我能够将想法转化为行动。所有被挫败感所阻挡的想法突然有了一个出口。
LLM革命让他感到担忧。它们会把所有这些有趣的东西都拿走吗?幸运的是,事实恰恰相反。正如Kent Beck和其他人告诉我的那样,使用LLMs进行编程比以往任何时候都更有趣。他的文章列出了原因:消除繁琐的工作、加快反馈循环、重新启动长期被遗弃的项目,以及探索新技术。
â â â â â
我参加了DDD欧洲会议,度过了几天非常愉快的时光。由于LLMs对编程带来的所有变化,我怀疑领域驱动设计将会继续有用,甚至可能变得更加重要。会议的亮点是Eric Evans的开幕主题演讲,他描述了过去几年与LLMs的一些实验,非常引人入胜。一旦该演讲的视频发布,我会链接到它——希望不会太久。我还特别喜欢Violetta Pidvolotska、Kiran Prakash、Tom de Wolf和Chelsea Troy的演讲。Gien Verschatse采访了Eric Evans和我一个小时左右——一旦视频发布,我会再次分享这个链接。
让我印象深刻的一个片段来自Chelsea Troy。她演讲的主要内容是管理LLMs的上下文窗口,以保持其健康状态。她所说的大部分内容都很熟悉,但有一件事我没有想到,那就是她对与LLMs进行对话的不同“语域”的看法。这些“语域”是我们与“精灵”(或者更确切地说,其他人类)进行对话的不同风格。她将它们分为四种类型:
- 探索:我想在接触任何东西之前先理解
- 头脑风暴:生成选项,我会单独评估它们
- 决策:我需要一个有理由的推荐,而不是一个列表
- 实施:决定已经做出,帮助我构建它
她的观点是,每次我与LLM进行会话时,我需要意识到自己使用的是哪种“语域”。如果我要改变“语域”,我应该以一个全新的上下文开始新的对话。
Charity Majors对AI爱好者和AI怀疑者之间正在形成的裂痕发出警告。
热情的追随者们并没有错。我们开始看到那些积极投入与AI协作的团队在能力上实现了真实、非虚构的、不连续的飞跃。而这并不像一个普通的科技周期,你无法等待尘埃落定;那些在竞争对手拼命前进时选择置身事外的团队,可能在尘埃落定之前就已经被淘汰。这是一种真实存在的、关乎生存的威胁。怀疑者们也没有错。当你以比工程师阅读代码更快的速度发布代码,而在那些没有人具备完整背景的领域,你实际上是在动用一个经过多年建立的信任账户。可靠性下降,机构知识蒸发。最终你将得到无人理解的系统、产品逐渐变得语无伦次,以及让人筋疲力尽的值班轮换。这同样是真实存在的、关乎生存的威胁。
问题的核心在于,这两个群体之间缺乏一种共同的反馈机制。她提出了一些具体前进的方向。热情的追随者们往往最公开地表达观点,并聚焦于取得的胜利,但他们需要讲述完整的故事,也要突出其中的成本。我们都需要将与AI合作视为一个工程问题。不要假设我们可以在不经过审查的情况下将代码部署到生产环境,也不要假设我们不能这么做:而是要问,什么因素可以让审查工作变得更容易。她坚持认为,工程纪律变得越来越重要,这与其他人观察到的观点一致,即AI放大了我们当前的实践。她希望我们避免陷入极端立场和猜测的争论,而是坚持我们观察到的现实。权威来自于参与:
那些塑造AI使用方式的工程师将是那些具有可信度的人:他们理解其中的机会、风险和权衡,并且承担了足够的后果,因此在提出反对意见时具有发言权。赢得这个位置需要付出努力,但这是一项值得做的工作。
Simon Willison注意到Anthropic和OpenAI提高了其企业定价:
为什么在定价上突然采取如此激进的举措?Anthropic和OpenAI都计划进行IPO,但我认为这里还有一个更重要的因素:我认为他们终于找到了产品与市场之间的契合点,这体现在Claude Code/Cowork和Codex所代表的代码/通用用途代理产品上。
他的观点是,自11月的转折点以来,越来越多的证据表明,大型语言模型(LLM)对编程产生了重大影响,并且这正在转化为这些公司的可行商业模式。他怀疑在4月还发生了另一个转折点:
我认为2026年4月是一个新的转折点,此时这些举措的收入影响开始显现,这对前沿AI实验室有利,并对大型公司的预算产生了实质性影响。
Mike Masnick回顾了互联网未能兑现的去中心化承诺。
早期互联网的普遍观点认为,网络将消灭中间商。然而,承诺的“去中介化”时代从未真正到来。实际上发生的是,中间商的角色发生了变化。互联网出现之前的中间商——唱片公司、图书出版商、电影制片厂、杂志编辑——是守门人。他们的全部工作就是拒绝99%的来稿,以确保少数精选内容能够触达受众。取代他们的互联网中间商却采取了相反的做法。他们的方法依赖于几乎允许所有内容通过。他们成为促进者而非守门人,整个一代文化产品——音乐、视频、写作、播客——通过他们以旧守门人无法想象的规模传播。但新的中间商仍然需要一个商业模式。
这个商业模式来自于认识到,当内容丰富时,新的稀缺资源是注意力。这些促进者构建了广告机器来出售注意力,并通过算法推荐来集中注意力。为了增加利润,这些促进者走上了“劣质化”的道路:
那些接受对用户体验进行集中控制的公司最初这样做,是因为他们确实为用户带来了更好的体验。信息过载是一个真实的问题。拥有更好的管理系统是一件好事。这就是为什么这么多人涌向这些集中化的社交媒体平台,并对它们的算法如此着迷。集中化系统的问题在于,它们创造了一种难以抗拒的控制和剥削的诱惑。早期发现价值的用户感到被困:他们可以离开,但这样做意味着放弃他们的社区。这种缺乏便捷退出方式的情况导致了锁定效应,而锁定效应使得劣质化成为可能。
Masnick 的观点是,我们必须对抗这种数字专制的过程,认识到尽管去中心化存在人机工程学上的问题,但它是值得追求的,因为它是认知自由的关键。实现这一目标的关键在于用户对其数据的控制,以及能够轻松地从一个服务转移到另一个服务的能力。便捷的退出方式促进竞争,而竞争正是对抗专制集中化弊端的力量。
真正的去中心化工具将权力推向边缘。用户控制自己的数据,并选择哪些中间商可以对其数据进行操作——这种安排对劣质化和专制化都是一种致命的障碍。任何朝这两个方向的举措,只会推动用户跨越人为设置的低退出门槛,带着他们的内容、数据和社区离开。