在《探索DDD》会议的主题演讲中，Eric Evans，也就是《领域驱动设计》（DDD）一书的作者，提出了一个观点：软件设计师应该寻找创新的方法，将大型语言模型（LLMs）整合到他们的系统中。Evans鼓励大家从现在开始学习LLMs，进行实验，并与社区分享这些实验的结果和学习成果。

DDD与AI的结合

Evans认为DDD和面向AI的软件可以很好地结合。他指出，复杂系统的某些部分可能永远无法适应领域模型的结构化部分，因此应该交给人类处理。他提出了一个概念，即存在硬编码的、人工处理的，以及LLMs支持的三个类别。

有界上下文与语言模型

Evans提出，使用DDD从业者熟悉的语言，经过训练的语言模型可以被视为一个有界上下文。他建议，不是使用广泛语言上训练的模型，而是在有界上下文的通用语言上训练语言模型，使其对特定需求更有用。

微调模型与关注点分离

他批评了使用通用大型语言模型（generic LLMs）需要编写仔细的、人为的提示以获得所需响应的做法。相反，他建议使用几个微调的模型，每个模型都用于不同的目的，这是一种强烈的关注点分离。

领域建模者的新角色

Evans预测，未来的领域建模者将识别涉及解释自然语言输入的任务和子领域，并自然而然地将其融入他们的设计中。尽管基础设施尚未准备好，但趋势表明这很快就会到来。

快速变化的形势

Evans强调，他的想法必须在他2024年3月14日的讲话背景下考虑，因为形势变化很快。他将我们目前的情况与90年代后期进行了比较，当时他学会了多种建立网站的方法，但这些方法在今天都适用。

社区的回应

DDD社区中的其他知名人士对Evans的想法做出了回应。《实现领域驱动设计》的作者Vaughn Vernon在很大程度上支持寻找超越普通聊天机器人的新用途LLMs的想法。而《微服务模式》的作者Chris Richardson对LLMs的高成本表示担忧。Honeycomb.io的首席开发倡导者Jessica Kerr则强调了找到有价值的应用并使其经济可行的重要性。

Evans的个人实验

Evans详细介绍了他在个人教育中进行的一些实验，这些实验涉及LLMs。他与游戏设计师Reed Berkowitz合作，尝试使用ChatGPT让NPC响应玩家的输入。他发现，将响应分解成更小的块而不是一个长提示，可以获得更一致的响应。这种方法遵循了他的DDD分解复杂问题的想法。

结论

《探索DDD》会议于2024年3月12日至15日在科罗拉多州丹佛市举行。会议期间的演讲将发布到ExploreDDD的YouTube频道，并在LinkedIn页面上分享。

托马斯·贝茨简介

职位：InfoQ 架构和设计的首席编辑，InfoQ Podcast 联合主持人，Blackbaud 优冠软件架构师。 专业经验：超过二十年的软件开发经验，专注于提供令客户满意的软件解决方案。 行业经历：曾在多个领域工作，包括社会公益、零售、金融医疗保健、国防和旅游。 个人生活：与妻子和儿子居住在丹佛，热爱远足和探索科罗拉多州的自然美景。 联系方式：InfoQ 个人主页