随着大型语言模型（LLMs）的快速发展，计算机用户可能很快就能编写小型代码。这将对软件的生产和分发带来什么样的结构性变化呢？
过去几周，科技巨头们纷纷发布新成果。OpenAI推出了GPT-4，展现了在编码等多方面的能力提升。微软的研究也展示了GPT-4如何能无提示生成复杂的3D游戏代码。此外，还有针对GPT的插件出现，比如ReAct工具，让用户能更便捷地查询数据。
人们自然会好奇，这些技术将如何影响软件的创作。一方面，专业的开发人员可能会因LLMs而变得更高效，因为GitHub Copilot已经证明了这一点。这让人安心，因为它保证了开发者的职业前景，并暗示软件生产方式不会有根本性的改变。
然而，我认为这只是部分答案。尽管我确信LLMs将成为专业程序员的有用工具，但过于关注这个狭窄的应用可能会错过更大的潜在变革。未来，所有电脑用户可能会有能力从零开始创建小型软件工具，或者描述他们希望对现有软件进行的修改。换言之，LLMs将显著提升终端用户编程的工具支持，使普通人无需陷入复杂编程的繁琐，就能充分利用计算机的通用能力。
如果这个假设成真，我们可能会见证一些意想不到的软件使用方式变化：
- 即时脚本：用户每天都会让AI创作并执行几十次脚本来处理数据分析、视频编辑或自动化繁琐任务。
- 一次性GUI：人们会用AI为特定任务创建完整的GUI应用，只包含所需功能，没有冗余。
- 自主开发：企业会更多地内部开发符合定制需求的软件，而不是购买现成的SaaS，因为定制的成本更低。
- 扩展和修改：消费者和企业要求能够扩展和修改现有的软件，以适应个人工作流程。
- 组合创新：用户可以融合最喜欢应用的最佳特性，创造出全新的混合体。
这些变化不仅会让软件开发过程更快，还会改变软件的产生方式、由谁创造以及为何目的。
关于LLMs和可塑性软件系列探讨：
这是一个话题丰富的领域。在接下来的一系列文章中，我将深入探讨这些由LLMs可能带来的广泛变化，包括用户与软件交互模式的演变，以及如何通过这些新技术更好地赋能用户。我会讨论的问题包括：
- 交互模式：何时需要聊天机器人，何时需要一次性脚本，又或者定制的临时GUI？
- 软件定制：LLMs如何支持用户自定义、重组和扩展软件？
- 意图表达：用户如何与LLMs进行互动，明确他们的需求？
- 数据转换：模糊的数据翻译能力如何促进共享数据平台的实现？
- 用户权力：在LLMs时代，我们应该如何看待授权和自动化的关系？
如果你想要了解这些想法的后续内容，可以通过订阅我的电子邮件通讯或RSS来获取。文章更新频率不会很高，每月最多一次。
何时选择聊天机器人，何时不选？
在LLMs时代，用户交互模型会发生怎样的转变？一个关键问题是，哪些任务更适合聊天界面？我认为这个问题对于思考如何赋予用户权力至关重要。
先预览一下：虽然GPT-4比Siri强大得多，但仍有许多任务并不适合聊天式界面，我们仍然需要图形用户界面。随后，我们将讨论如何结合LLMs来构建UI，实现更深层次的交互。
当触及核心问题时，我们会发现，虽然LLMs在某些场景下能帮助我们编写代码，比如网页抓取或简单的Excel公式，但这并不意味着它们能完全取代直接操作。例如，使用GPT来重新排序网站或添加阅读时间，不如直接在表格中操作直观。用户界面的价值在于，它能让用户看到底层数据的直接视图，进行快速操作，并且可以直接修改公式，从而获得更多的控制权。
下一篇文章将深入探讨用户界面与聊天机器人的关系，但现在让我们暂时偏离主题，思考一下GPT真的能编写代码吗？
GPT真的能写代码吗？
目前，GPT-4的编码能力如何评价？概括来说，它既有令人印象深刻的例子，也有失败的情况。它能处理数据处理的Python代码，也能完成网站数据抓取。微软的一项研究甚至显示，GPT-4能生成运行在浏览器中的复杂3D游戏。然而，它在解决算法问题时仍会困惑，而且在某些高级功能上还有待完善，比如React应用的交互设计。
乐观来看，LLMs具有迭代能力，能根据用户的反馈调整。它们能与用户互动，提出问题以细化需求，并利用常识填充不完整的信息。虽然这并非易事，但预计会有进展。我已经看到GPT-4能询问我对需求的澄清。
另一个关键点是，GPT-4
