说明：标题是通过GPT根据内容生成。

3月22日，在Netstar的东京办公室进行了一场智研社的活动，《基于大语言模型的智能化新范式》，看到建忠兄的几张PPT，深有感悟。

**特别声明：本文中的PPT图片全部引自李建忠演讲PPT，**先看看PPT的具体内容吧。

图片

(PPT-1)

图片

(PPT-2)

图片

(PPT-3)

图片

(PPT-4）

通过计算，开发，交互三个层次，你会发现当前的是细粒度的确定性，而LLM的是粗粒度的相近性。LLM更像你问人一个问题，它每次回答字面不一样，但含义基本一样。

所以，当把LLM引入到开发流程中后，很多人确定不会替换掉程序员，因为LLM不会产生确定的结果。纵观身边的所有应用，都是以确定结果为主，并且程序员本身也经过多年训练，已经成了确定结果为导向思维的人群，所以会感觉LLM来替换程序员“不靠谱”。

但也有人觉得LLM有类人思维，当经过专业训练和优化后，会越来越趋向真正的程序员，直到最后完成替换，只是个时间问题。其实这部分人中的极少数人正在推进这个事，比如Devin或是AutoDev。

数字程序员完全替换人类程序员现在看来时间还早一些，但我觉得让LLM模拟人类，发挥组织协调作用，结合各种确定结果的API，形成一个有机组合，计算混合，开发混合，交互也是混合的（人机对话应该以自然语言为主）。

提供API的这群人，应该与现在的程序没有太大区别，只是更多一些AI在全流程实现的辅导。

那么充当中心的LLM，就需要针对的LLM式的开发：不同的行业、不同的场景，加上不同的使用者，就可以自由且灵活地来“开发”自己的调度链路了。当然，这部分开发者也可能分为“高级程序员”或“架构师”了，因为从数海量的API中找到自己需要的，合适的，合算的，形成高效的调度，也不是一件容易的事。

图片

（AI生成）

再次感谢建忠的分享，不仅受益良多，更确信自己对AI的思考！！！

图片