一點關於 AI 編程的思考

程序員的工作，本質上是在做語言翻譯，將描述需求的人類語言翻譯到機器語言。其中，需求語言是抽象的，就像用戶說「我要一輛車」，是一種概括性的描述，但要實際把車造出來，就要落實到非常具象的語言，因為無論是計算機還是現實物理，都有非常具體的規則，錯一點就會不能用。這種抽象程度的差異可以理解為信息量的差異，給定一個車的概念，它可以有成千上萬種樣子，但到生產出來的具體型號，就只剩下了一種，其他所有樣子都被排除了，這也是信息論裏提出的「信息量即是排除可能性的多寡」。

於是程序員的工作本質上是對信息的補足，這種補足是通過不斷疊加約束實現的，每個新增加的細節都是約束，能砍掉一部分可能性，直到最後可能性剩下一種。具體地說，給定一個需求，程序員會想到一些潛在的方案，每個方案會有新加入的約束，提出方案本身就是補充了原本不存在的信息。那麼如何從潛在方案中選擇呢？程序員需要在需求中找到一些能指引選擇的原始約束，例如把方案介紹給產品詢問意見，或者根據自身的經驗預測一下未來的需要，這實際上就是擴充了上下文。

AI 的代碼生成工作在上述翻譯鏈的後半段，它會從程序員那取得中間階段的語言，然後生成具體的代碼。如果 AI 更聰明，那麼程序員應當可以提供更抽象的語言，讓 AI 自己補足信息，而如果 AI 更笨，程序員就需要提供更多信息，才能保證最終代碼的可用。於是，我們有了一個度量 AI 聰明程度的方法，也有了一種適應 AI 的策略，就是如果 AI 不夠聰明，就提供更多細節直到它能寫出來。