來源：市場資訊

（來源：圖靈人工智能）

您想知道的人工智能干貨，第一時(shí)間送達(dá)

作者：王勃，清華大學(xué)碩士，獨(dú)到科技CTO

原文：

https://zhuanlan.zhihu.com/p/2019985504695768622，已獲轉(zhuǎn)載授權(quán)

一個(gè) 48 年前的「預(yù)言」

1978 年，計(jì)算機(jī)科學(xué)的祖師爺之一 Edsger Dijkstra 寫了一篇短文，編號 EWD667，標(biāo)題直白到近乎挑釁：

《論「自然語言編程」的愚蠢》（On the foolishness of "natural language programming"）

他的論點(diǎn)很簡單：有人覺得編程太嚴(yán)格了，希望有一天能用自然語言跟計(jì)算機(jī)說話。

Dijkstra 認(rèn)為這個(gè)愿望不僅不切實(shí)際，而且方向就是錯(cuò)的。形式化符號不是程序員的負(fù)擔(dān)，而是特權(quán)。

48 年后的 2026 年，大語言模型讓自然語言編程真的成了現(xiàn)實(shí)。

Karpathy 說自己從去年 12 月起幾乎沒再親手敲過代碼，Anthropic Claude Code 產(chǎn)品負(fù)責(zé)人 Cat Wu 撰文指出 PM 的核心產(chǎn)出正在從文檔變成可運(yùn)行的原型，Stripe 每周有 1300 個(gè)無人值守的 Agent PR 被合并。

Dijkstra 錯(cuò)了嗎？

我?guī)F(tuán)隊(duì)用了一年多 AI 編程工具，從最初的阻力到現(xiàn)在全員 Cursor，從 Vibe Coding 的興奮到 Planned 模式的回歸。回頭看，我覺得 Dijkstra 對了一半——而且是更重要的那一半。

Dijkstra 到底說了什么

EWD667 全文不長，但論證鏈條極其鋒利。核心是三個(gè)觀點(diǎn)：

第一，形式化符號是文明進(jìn)步的引擎，不是累贅。

他用數(shù)學(xué)史來論證：希臘數(shù)學(xué)因?yàn)橥Ａ粼诳陬^和圖形描述而停滯不前；穆斯林代數(shù)短暫嘗試符號化后退回修辭風(fēng)格而消亡；現(xiàn)代科學(xué)的崛起，恰恰是因?yàn)?Vieta、Descartes、Leibniz、Boole 這些人精心設(shè)計(jì)了形式化符號系統(tǒng)。

他寫道：

形式化文本的美德在于，其操作只需滿足少數(shù)簡單規(guī)則；它們是排除各種胡說八道的極其有效的工具——而當(dāng)我們使用自然語言時(shí)，胡說八道幾乎不可避免。

第二，自然語言的「自然」本質(zhì)上是一種危險(xiǎn)的舒適。

這是全文最犀利的一句：

所謂自然語言的「自然性」，歸根結(jié)底，不過是我們能輕松地用它說出那些荒謬性并不顯而易見的話。

翻譯成大白話：自然語言讓你很容易說出自己都沒意識到的模糊和矛盾，而且還覺得自己說清楚了。

第三，讓接口變寬，不一定減輕負(fù)擔(dān)，可能兩邊都更累。

他指出，接口設(shè)計(jì)不是簡單的勞動(dòng)分配。讓機(jī)器理解自然語言，不只是給機(jī)器加活——跨接口的溝通成本也會(huì)增加，最終可能雙方都更累。他因此主張「窄接口」（narrow interface）：約束越明確，合作越高效。

一年 AI 編程實(shí)踐的印證

去年我要求團(tuán)隊(duì)全面使用 Cursor，原則是不限量、用好模型。

初期有阻力，但很快大家就感受到了效率的飛躍。前端崗位開始大量減少，我們要求前端轉(zhuǎn)全棧。產(chǎn)品經(jīng)理也開始用 Cursor 寫文檔、出交互式原型。很多項(xiàng)目一個(gè)人就能搞定需求分析加開發(fā)。

Vibe Coding 的甜蜜期是真實(shí)的：用自然語言描述需求，AI 幾分鐘就能生成一個(gè)能跑的 demo。Demo 效率大增，我們開始接受「不用想很清楚就可以開始」的工作方式，產(chǎn)品和研發(fā)一起摸石頭過河。

但甜蜜期過后，問題開始浮現(xiàn)——而這些問題，恰恰是 Dijkstra 48 年前預(yù)言的。

AI 總是漏需求。 你以為自己說清楚了，AI 也表現(xiàn)得好像理解了，但交付的東西總是差那么幾個(gè)關(guān)鍵點(diǎn)。本質(zhì)上就是 Dijkstra 說的：自然語言讓你輕松說出荒謬性并不顯而易見的話。你的需求描述有模糊地帶，你自己都沒意識到，AI 就按它的理解填補(bǔ)了空白。

代碼沒有架構(gòu)感。 AI 生成的代碼能跑，但結(jié)構(gòu)松散，容易被現(xiàn)有代碼的風(fēng)格帶偏。因?yàn)樽匀徽Z言描述天然缺乏架構(gòu)約束——你說「幫我寫一個(gè)用戶管理模塊」，這句話里沒有任何關(guān)于分層、依賴關(guān)系、接口設(shè)計(jì)的形式化信息。

上下文越長越降智。 對話一長，AI 的服從性反而變成問題——它會(huì)被之前對話中的錯(cuò)誤信息污染，然后在錯(cuò)誤的方向上越走越遠(yuǎn)，最終放棄或者亂試。這就是 Dijkstra 說的「接口變寬，兩邊都更累」的現(xiàn)代版本。

寫碼快不代表深思熟慮。 這一點(diǎn)我們團(tuán)隊(duì)反復(fù)體會(huì)到。AI 可以很快寫出代碼，但速度掩蓋了思考的缺失。不推薦所有標(biāo)榜對編碼特化的模型，除非代碼用一次就扔。

形式化沒有消失，只是換了形態(tài)

踩完坑之后，我們的工作流逐漸從 Vibe Coding 回歸到了 Planned 模式。一個(gè)典型的開發(fā)過程變成了：

描述需求

和模型對齊，確認(rèn)它的理解是正確的

讓模型分析細(xì)化，排除矛盾

可行性預(yù)研，給出備選方案，人來選擇

提出測試需求

系統(tǒng)設(shè)計(jì)和關(guān)鍵算法設(shè)計(jì)，人來審查

設(shè)計(jì)測試方案（自動(dòng)化 + 端到端）

分拆任務(wù)，確定驗(yàn)收標(biāo)準(zhǔn)

執(zhí)行并驗(yàn)收

看到了嗎？這個(gè)流程的每一步，都是在把自然語言的模糊描述逐步轉(zhuǎn)化為更形式化的約束——spec、測試用例、驗(yàn)收標(biāo)準(zhǔn)、任務(wù)分拆。

這不是倒退，這是 Dijkstra 說的「窄接口」思想的現(xiàn)代實(shí)踐。

今年行業(yè)里出現(xiàn)了一個(gè)概念叫 Harness Engineering（馬具工程/駕馭工程），由 Terraform 的作者 Mitchell Hashimoto 提出。他的核心原則是：每次發(fā)現(xiàn) AI 犯錯(cuò)，就花時(shí)間工程化一個(gè)機(jī)制，讓它以后再也不犯這個(gè)錯(cuò)。

這個(gè)概念的演進(jìn)路線很清晰：

• 2023-2024：Prompt Engineering

• — 怎么跟 AI 說話。本質(zhì)是優(yōu)化一次性的自然語言輸入。

• 2025：Context Engineering

• — 給 AI 看什么信息。不再只盯措辭，而是設(shè)計(jì)整個(gè)信息環(huán)境。

• 2026：Harness Engineering

• — 構(gòu)建什么環(huán)境讓 AI 可靠地工作。驗(yàn)證閉環(huán)、架構(gòu)約束、測試護(hù)欄、熵清理。

從 Prompt 到 Context 到 Harness，這條路線的方向是什么？是從自然語言走向形式化約束。

CLAUDE.md、AGENTS.md 這些配置文件，本質(zhì)上就是寫給 AI 的形式化規(guī)范。TDD 測試套件就是用代碼表達(dá)的驗(yàn)收標(biāo)準(zhǔn)。CI/CD 管道就是自動(dòng)化的質(zhì)量閘門。

Dijkstra 說「形式化符號是排除胡說八道的工具」。在 AI 時(shí)代，這句話變成了：測試和約束是排除 AI 胡說八道的工具。

過去 CI/CD 集成、TDD 這些被認(rèn)為是昂貴的工程實(shí)踐，很多團(tuán)隊(duì)嫌麻煩不做。但在 AI 編程時(shí)代，它們已經(jīng)從奢侈品變成了必需品。AI 由于實(shí)現(xiàn)機(jī)制的原因，沒有辦法保證 100% 穩(wěn)定不出錯(cuò)，在兜底防御方面投入多少力氣都不為過。

AI 真正改變的是什么

說到這里，可能有人覺得我在唱衰 AI 編程。恰恰相反。

Dijkstra 的洞察在 LLM 時(shí)代依然成立，但他有一件事沒預(yù)見到：形式化的生產(chǎn)成本可以被 AI 大幅降低。

以前，寫一套完整的測試用例、設(shè)計(jì)一份嚴(yán)謹(jǐn)?shù)慕涌谝?guī)范、維護(hù)一份結(jié)構(gòu)化的需求文檔——這些形式化工作本身就需要大量人力，所以很多團(tuán)隊(duì)干脆不做。代碼裸奔、需求口頭傳遞、測試靠手點(diǎn)，這是大多數(shù)團(tuán)隊(duì)的現(xiàn)實(shí)。

現(xiàn)在不一樣了。你可以用自然語言描述你想要什么，讓 AI 幫你生成測試用例、類型定義、接口文檔、驗(yàn)收標(biāo)準(zhǔn)。然后你審核和修正這些形式化產(chǎn)物。

這個(gè)變化的意義在于：不是用自然語言替代了形式化，而是用 AI 作為自然語言到形式化的橋梁。

自然語言是好的輸入層——它降低了表達(dá)意圖的門檻。 形式化是必要的驗(yàn)證層——它保證意圖被正確執(zhí)行。 AI 是兩者之間的翻譯器——它讓形式化變得便宜了。

這三層結(jié)構(gòu)，才是 AI 編程真正可持續(xù)的工作模式。

我們團(tuán)隊(duì)現(xiàn)在的做法是：產(chǎn)品用自然語言寫 spec，AI 幫忙轉(zhuǎn)化成結(jié)構(gòu)化需求；開發(fā)用自然語言描述功能，AI 生成代碼同時(shí)生成測試；測試人員用 AI 增強(qiáng)能力，從手工點(diǎn)點(diǎn)點(diǎn)轉(zhuǎn)向編寫自動(dòng)化測試。每個(gè)環(huán)節(jié)，自然語言是入口，形式化是出口，AI 在中間做翻譯。

燒 token 的速度直接代表了你的 AI 編程能力——這句話聽起來有點(diǎn)夸張，但實(shí)際確實(shí)如此。對編程工具的駕馭能力和并行工作的能力，直接決定了你燒 token 的速度。別摳省 token，浪費(fèi)的是你的時(shí)間和成長速度。

Dijkstra 如果活在今天

Dijkstra 在 EWD667 的最后寫了一句很有意思的話：

我有一種直覺可以讓我感到安慰：能用我們的母語編程的機(jī)器，無論是荷蘭語、英語、美語、法語、德語還是斯瓦希里語——它們既該死地難以制造，也該死地難以使用。

制造這件事，LLM 做到了。但「該死地難以使用」這個(gè)預(yù)言，某種意義上也成真了——不是難在操作界面上，而是難在如何讓自然語言的模糊性不變成系統(tǒng)性的質(zhì)量問題。

如果 Dijkstra 活在今天，看到我們先用自然語言讓 AI 寫代碼，然后又花大量精力構(gòu)建測試、約束、驗(yàn)證閉環(huán)來確保 AI 不犯錯(cuò)，他大概會(huì)說：

「你們終于造出了能聽懂自然語言的機(jī)器，然后發(fā)現(xiàn)還是得用形式化來約束它——這不正是我說的嗎？」

寫代碼變便宜了，但思考沒有變便宜。

駕馭 AI 的能力，本質(zhì)上是構(gòu)建形式化約束的能力——把模糊的意圖變成精確的規(guī)則，把不可驗(yàn)證的期望變成可執(zhí)行的測試，把「我覺得差不多了」變成「測試全部通過」。

這件事，48 年前 Dijkstra 就想明白了。只不過他當(dāng)年是對著編譯器說的，我們今天是對著大語言模型說的。

工具變了，思想沒變。