Search Results

AI 辅助的建模设计工程实践 AI 已经能够承担大量代码实现工作。在建模开发中，它的作用还包括生成模型、编写激励，以及支持架构方案的反复调整。工程师需要处理的问题，也随之扩展到如何表达设计、组织任务，以及判断模型的结果。 这篇文章围绕 AI 辅助建模设计中的几个问题展开：怎样理解它的能力，怎样与它分工，怎样组织交互，以及怎样建立从设计到验证的工具闭环。 一、理解 AI 原理（主观理解与个人判断） 为什么是编程和数学？ 我对 AI 的理解，主要来自工程使用中的观察。一个反复出现的现象是，任务越明确，AI 越容...

副标题：从通用软件与代码复用，走向技术分层、场景特化与知识驱动的软件生产 一、引言：如果编写软件的成本趋近于零，会发生什么？ 以一个思想实验开篇： 假设人类从一开始就拥有 AI，能够以极低成本生成、修改和重构数百万行代码，我们还会建立今天的软件工程体系吗？ 为什么需要如此多的大型通用框架？ 为什么大量业务软件依赖复杂的配置系统？ 为什么软件需要牺牲特定场景的性能和简洁性来追求通用性？ 为什么程序员的大量时间花在理解和适配既有代码上？ 提出文章的核心观点： 现代软件工程的许多设计原则，并不是唯一合理的技术选择，而...

核心观点 绝大多数宏大技术的本质，不是机制上的奇迹，而是对已知基础结构的“直接放大”。 一、 核心现象（示例） 造巨轮：没有特殊的水下建造法，就是建造一个巨大的干船坞，像造玩具一样把它做大。 重型加工：巨型机床刀具与小刀具切削原理完全一致。 工程基础：大型船舶铁链、火箭体量、盾构机刀盘、悬索桥钢缆，都是常规结构的等比例放大。 二、 为什么是“直接放大”？（直接原因） 第一性原理：基于最基础的物理/力学原理推演，机制最简单，最不可能出错。 边际效应低：能力与尺寸直接正比（甚至呈平方/立方爆发），用最简单粗暴的方...

数学家对 AI 的焦虑：一场关于工具本质的叩问 从全局视角来看，这本质上是新质生产力对传统生产力的深刻冲击。 人类发明并使用数学的终极目的，从来都是为了解决实际问题。 如果 AI 能够站在人类数千年搭建的数学框架之上实现超越，这恰恰说明，传统意义上的“数学家”已不再是不可替代的。 在编程领域，人们已经开始坦然接受“未来代码将全由 AI 编写”的现实。 不要说AI编程肯定达不到人类的最高境界，AI编程将成为一个标准工作层，就像你抱怨GCC/LLVM的性能不理想，但是你也只能直接用，大概率不会自己去改进它们。 那么，当...