▼最近直播超级多，预约保你有收获

昨天百度 2024 Create 开发者大会上，李彦宏再次强调了这个观点：“过去，开发者用代码改变世界；未来，自然语言将成为通用编程语言。你只要会说话，就可以成为一名开发者，用自己的创造力改变世界”。

李彦宏说：“今天，你不会写代码，也可以做出一个应用。不用编程，也可以做出一个 AI Agent 智能体。AI 正在掀起一场创造力革命，未来开发应用就会像拍短视频一样简单，人人都是开发者，人人都是创造者。”

那么，李彦宏是要如何淡化程序员边界、降低开发者门槛呢？

主要依靠三大低代码平台可视化工具：智能体开发工具 AgentBuilder、AI 原生应用开发工具 AppBuilder、模型定制工具 ModelBuilder。

—1—

未来还存在程序员吗？

当然存在！我也非常同样 Robin 说的“人人都是开发者”的观点，随着大模型能力的进一步提升，有创造力的同学基于大模型的推理能力的确可以完成一个 Demo，但要真正变成一个好用的产品，仅仅依靠大模型还有很长的一段路要走，主要有以下几点原因：

第一、软件产品研发整个生命周期，分为抽象层次低和抽象层次高的两个部分：代码编写、写测试用例、写运维脚本、写注释、线上问题定位与分析、Code Review 等属于抽象层次低的部分；业务需求分析、领域建模、架构设计、架构选型、详细设计、模块耦合设计、接口设计、测试设计、运维设计等属于抽象层次高的部分。

第二、目前的实践表明，AI 大模型在抽象层次较低的任务上，表现非常好，而在抽象层次比较高的任务上，表现比较差，就像 Devin Agents 被爆数据造假一样！

第三、高抽象的架构设计才是软件开发的核心，比如：如何需求抽象本质、架构的耦合设计、架构设计的大道至简。

第四、软件开发 = 抽象层次较高的任务 + 抽象层次较低的任务（编码）。

当然，我们也要辩证来看，对于抽象层次高的任务，大模型未来一定无能为力吗？理论上来讲，人类大脑的生物神经网络可以掌握的，基于大模型的数字神经网络一定也可以。能不能实现主要看大模型训练数据的质量、RLHF 中的人类反馈、Fine-tuning、Prompt 等环节是否能将软件行业积累这么多年的各种“抽象”的优秀实践都学习掌握到？至少目前以 GitHub、CodeParrot 开源代码为主要训练数据来源的大模型在这方面表现还有相当大的距离。

我相信这也将是软件领域今后长期活跃的研究方向。但这一定是一个渐进、漫长的过程！

因此，相对终局来看，我认为：未来的程序员可能不叫程序员，而是演变成 IT 操盘手的角色。IT 操盘手基于业务需求来调动各种 Agents 智能体（比如：需求分析 Agent、架构设计 Agent、代码编写 Agent、测试 Agent、运维 Agent、文档撰写 Agent 等等）协作完成任务。

为了帮助同学们彻底掌握大模型的 AI Agent 智能体、知识库、向量数据库、 RAG、知识图谱的应用开发、部署、生产化，今晚我会开两场直播和同学们深度剖析，请同学们点击以下预约按钮免费预约。

—2—

!送！AI大模型开发直播课程

大模型的技术体系非常复杂，即使有了知识图谱和学习路线后，快速掌握并不容易，我们打造了大模型应用技术的系列直播课程，包括：通用大模型技术架构原理、大模型 Agent 应用开发、企业私有大模型开发、向量数据库、大模型应用治理、大模型应用行业落地案例等6项核心技能，帮助同学们快速掌握 AI 大模型的技能。

🔥即将开播

立即扫码，即可免费预约

进入直播，大佬直播在线答疑！