Martin Fowler分享了他对大语言模型（LLM）与软件开发现状的一些思考

  每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！ 订阅：https://rengongzhineng.io/

Martin Fowler在2025年8月28日发表文章，分享了他对大语言模型（LLM）与软件开发现状的一些思考。在准备休假和处理部分工作事务前，他总结了近期的观察与感受。

他提到，目前已有一些关于AI对软件开发影响的早期调查，试图回答它是否真的加快了开发进度，或是否改善或破坏了代码质量。然而，Fowler认为这些调查存在显著缺陷，因为它们往往没有考虑开发者实际使用LLM的工作流程。从他的观察来看，大多数使用场景仍然停留在“高级自动补全”，常见于Co-pilot工具。但那些真正从LLM中获得最大价值的开发者，往往会采用更直接的方式，让LLM读取和编辑源代码文件，从而完成具体任务。他担忧，如果忽视这些使用差异，调查数据会误导行业方向。

关于“编程的未来”这一常见提问，例如：现在是否还值得进入软件开发行业？LLM会不会取代初级工程师？高级工程师是否该提前退出？Fowler直言，没人能给出确切答案，任何声称“知道未来走向”的人都不可信。当前仍处于探索阶段，如何高效利用LLM尚无定论，尤其是在模型仍有可能获得显著提升的情况下。他建议，开发者应主动尝试这些工具，阅读他人经验，并关注其中的工作流程细节，甚至分享自己的实践。

关于AI是否是泡沫，他给出了肯定回答：“当然是泡沫。”他指出，从运河、铁路到互联网，每一次重大技术进步都伴随着经济泡沫。可以预见，AI热潮也会破裂，大量投资最终归零。未知的是泡沫破裂的时间，可能在下个月，也可能还需几年。但就像互联网泡沫一样，许多公司会消亡，但也会有企业幸存并壮大，就像亚马逊在pets.com和Webvan倒下后依然屹立。

他还提到自己已从公共演讲中退休，但仍期待在即将举行的GOTO Copenhagen大会上与老朋友相聚。他自上世纪90年代（当时该会议称为JAOO）起就参与其中，至今仍对会议的高质量议程保持赞赏。

Fowler引用前同事Rebecca Parsons的观点，认为“幻觉”不是LLM的缺陷，而是其核心特征。LLM的本质就是生成幻觉，只是有时这些幻觉对用户有用。因此，在使用LLM时，可以尝试多次提问，甚至让模型比较不同回答的差异，这些差异本身也可能有价值。尤其在涉及数值时，应至少询问三次，以评估其变动范围。同时，他提醒，不应让LLM直接计算确定性答案，而更适合让它生成计算所需的代码，再由开发者执行和验证。

他指出，传统的软件工程基于确定性机器，而其他工程学科早已习惯处理世界的不可预测性。例如，结构工程会为无法测量的因素留出容差，流程工程会考虑到人的疏忽或失误。随着LLM引入软件开发，或许意味着软件工程正迈入“非确定性”的新阶段。

在类比上，他提到人们常将LLM比作初级同事，但不同的是，LLM可能会轻易回答“所有测试通过”，而实际运行时却失败。若这是初级工程师的行为，HR可能早已介入。

安全性则是另一个严峻问题。他引用Simon Willison的观点，警示“AI代理的致命三合一风险”：访问私人数据、接触不可信内容，以及对外部世界的通信（数据外泄）。例如，若让LLM读取网页，攻击者可能通过隐形文字（如1pt白字）植入恶意指令，诱导LLM泄露敏感信息。更严重的情况是，当AI代理在浏览器中运行时，可能被欺骗去访问银行账户并转账。Willison因此认为，“基于代理的浏览器扩展从根本上存在致命缺陷，不可能安全实现。”

整体来看，Martin Fowler的思考强调了三个核心：
一是现有调查和认知的局限性，行业对LLM实际作用的理解仍不充分；
二是AI泡沫不可避免，但幸存者或许会成为未来的巨头；
三是LLM的本质与风险，既带来新可能，也引入非确定性与安全隐患。

在他看来，行业需要更多实践、反思与警惕，才能真正理解并驾驭LLM在软件开发中的角色。