程序員的工作,本質上是在做語言翻譯,將描述需求的人類語言翻譯到機器語言。其中,需求語言是抽象的,就像用戶說「我要一輛車」,是一種概括性的描述,但要實際把車造出來,就要落實到非常具象的語言,因為無論是計算機還是現實物理,都有非常具體的規則,錯一點就會不能用。這種抽象程度的差異可以理解為信息量的差異,給定一個車的概念,它可以有成千上萬種樣子,但到生產出來的具體型號,就只剩下了一種,其他所有樣子都被排除了,這也是信息論裏提出的「信息量即是排除可能性的多寡」。
於是程序員的工作本質上是對信息的補足,這種補足是通過不斷疊加約束實現的,每個新增加的細節都是約束,能砍掉一部分可能性,直到最後可能性剩下一種。具體地說,給定一個需求,程序員會想到一些潛在的方案,每個方案會有新加入的約束,提出方案本身就是補充了原本不存在的信息。那麼如何從潛在方案中選擇呢?程序員需要在需求中找到一些能指引選擇的原始約束,例如把方案介紹給產品詢問意見,或者根據自身的經驗預測一下未來的需要,這實際上就是擴充了上下文。
AI 的代碼生成工作在上述翻譯鏈的後半段,它會從程序員那取得中間階段的語言,然後生成具體的代碼。如果 AI 更聰明,那麼程序員應當可以提供更抽象的語言,讓 AI 自己補足信息,而如果 AI 更笨,程序員就需要提供更多信息,才能保證最終代碼的可用。於是,我們有了一個度量 AI 聰明程度的方法,也有了一種適應 AI 的策略,就是如果 AI 不夠聰明,就提供更多細節直到它能寫出來。