ChatGPT大火，我現在有種感覺：我們可能站到了自然語言程式設計的門口，一腳下去，也許能把門踹開。
當然，也可能會踢到一塊鐵板。
回顧我們的程式設計之路，基本上就是一個程式設計門檻不斷降低的歷史。
最早的一群前輩們透過手動插拔電路的方式把程式輸入計算機，每次程式設計好幾個小時，甚至好幾天。
馮諾依曼架構出現後，程式可以儲存在記憶體中，隨意變化，一下子方便了很多，但是程式設計依然是非常低階的彙編，上古的大神們用彙編寫Unix等作業系統、編譯器，這時候程式設計師是珍稀動物，程式設計門檻太高了。
Fortran/COBOL/BASIC/C/C /Pascal等高階語言的出現讓程式設計難度降了一個等級，再加上80年代PC產業的爆發，程式設計產業開始繁榮。
到了90年代，Java、Python、Ruby、JavaScript等程式語言，讓程式設計師更遠離硬件，遠離記憶體管理，可以把目標聚焦到業務邏輯上。
進入21世紀，企業為了因應快速的市場變化，對資訊化的需求越來越高，迫切需要快速地實現業務，推向市場，於是low code ,no code 又形成一個巨大的浪潮，在介面上，透過拖曳的方式就可以編程了。
再往下走一步，大家都非常明白，那就是自然語言程式設計。
在之前自然語言程式設計大家都覺得是挺不可思議的事情，因為這需要AI理解自然語言，並且能準確地輸出程式碼，這是一件非常難的事情。
但是ChatGPT、通義千問等大模型出現以後，我們突然發現，自然語言程式設計出現了重大突破，我們可以告訴AI需求，讓AI來產生程式碼了！
我們可以告訴AI：
我需要實作一個Product的RESTful的接口，用SpringBoot來實現，Product的屬性包括id，name，description, imageUrl。
在幾秒鐘內，AI就可以迅速產生從最上層到最底層的程式碼，更讓人震撼的是，它還支援微調的能力。
我們可以說：「資料庫存取用MyBatis實作。」AI可以迅速把資料庫存取碼改成MyBatis。
當我們說：“把imageUrl改為image_url”，AI 馬上可以找到所有相關程式碼，把imageURL改過來。
這種微調的能力，遠遠超過了先前常見的程式碼產生器，AI似乎準確地理解了你的要求，對程式碼做了精確的修改。
當然，對於某些極端的情況，AI會有些考慮不周，還依賴程式設計師的洞察力。所以我常說AI能產生95%的可運行程式碼，剩下的5%需要則依賴程式設計師的功力。
這還只是產生程式碼，程式設計師還需要把程式碼從聊天視窗複製到IDE中去執行偵錯。說實話，這個過程也挺煩人的。
釘子剛發布的AI生成應用場景突然又讓我看到了新的方式，在通義千問這個大模型的支持下，它不僅僅是用自然語言生成代碼，而是直接生成應用，一鍵部署，然後直接在釘釘群聊裡運行起來！
它甚至可以透過拍照的方式產生一個應用，讓輸入的方式不再只有文字：
GPT- 4在之前的演示中，也展示了根據圖片生成代碼和網頁的能力（這個能力現在沒有正式發布，讓大家使用），但是釘釘已經可以直接生成可以運行的低代碼應用，比如常見的工單管理系統、門市巡檢系統、顧客資訊管理系統都可以交給AI去幫我們開發出來，這實在是太棒了。
如果自動產生的應用程式不符合要求，也可以透過繼續對話讓AI幫你修改應用，新增選項、刪除欄位。
拍照產生應用程式這個微軟也可以做到，但我發現釘子也劇透了一個很棒的能力，就是智慧推薦選項字段，幫你補全。這個能力雖然看起來簡單，但是技術上實現起來難度應該很大，需要給大模型輸入大量的行業know how。
釘子把自家宜搭低程式碼的應用範本給大模型學習，就等於是把各行各業（製造、醫療、建築等）及各類高頻業務場景（人事行政、財務報銷、生產製造等）都餵給了AI，建構了豐富的領域業務數據。
有了領域業務知識，大模型在生成應用時，對業務人員提出的需求理解就會更加準確，生成的應用也更加精準。
這種能力對於不懂程式碼的業務人員是非常便利、非常友善的，他們不需要再依賴程式設計師去實現類似的需求，自己分分鐘就可以把應用程式開發出來。
這類拍照或是自然語言產生的應用，結合我去年介紹給大家的釘子酷應用能力，還可以實現一鍵把應用程式部署在群組聊天裡。透過動態卡片的方式，讓業務人員在一個群組裡就能完成人機交互，聊著天就把事兒給辦了。
看到這裡，你一定會有這個疑問：AI都支援自然語言程式了，這麼強大了，它能完全取代程式設計師嗎？
對於初級程式設計師來說，如果只會做CRUD，AI的威脅非常大，因為明確的、有規則的需求對於AI來說是小菜一碟，分分鐘搞定。
對於高階程式設計師來說，在程式設計中也少不了增刪改查，這時候AI就是一個非常好的幫手，因為對於繁瑣的、重複的程式碼工作，都可以交給AI來完成。在這個過程中，高級程式設計師只要去「指導」它，「引領」它就可以了，減少了無效的時間浪費。
高階程式設計師可以把自己的精力放在更需要創造力的工作上來，對於現在的AI來說，讓它直接生成巨型的複雜系統，它還是力不從心的。
例如我們告訴AI：
我要創建一個電子商務系統，包括用戶管理，商品管理，訂單管理，倉儲管理等常見的功能，需要支援秒殺活動，優惠券，積分系統等功能，幫我把程式碼都寫出來。
AI是絕對不可能給你實現的，因為這樣的需求太模糊，如果用流程圖，介面圖，Use Case等把這些大系統的需求描述出來，沒有幾百頁是不可能的。即使你把這幾百頁文檔都灌給AI，它也不可能給你完整地實現了。
高階程式設計師需要出馬，把大型系統進行分解，形成各個模組，然後讓AI介入生成程式碼，生成應用程式。
可以看出，自然語言程式設計已經發展到了一個非常高的層面，可以成為程式設計師提升效率的巨大助力。
在未來，沒有純粹的碼農，每個人都需要深入理解自己所面臨的挑戰，並透過智慧化的生產力工具去快速解決問題。
釘釘發布會的幾個場景演示，雖然只是工作智能化的一小步，卻展示出了遠超“通過聊天生成代碼的能力”，可以直接創建、部署，在群裡運行應用，真是非常方便。
工具的價值就在於能否更好地服務人，用機器提升人的生產力。
我們可以暢想，隨之智慧化的進一步發展，開發應用的能力會不會就像用Word一樣，變成一種普遍的能力呢？這是一件特別有想像力的事情，誰都難以預料，只能交給時間證明了。
以上是ChatGPT時代，我們可能站到了自然語言程式設計的大門口的詳細內容。更多資訊請關注PHP中文網其他相關文章！
