sentinelK
参与门槛变低了，但是实际门槛没变。
因为： 1 、你怎么知道你的“系统”如何抽象成逻辑流程最合理？ 2 、你怎么知道 AI 需要什么上下文？ 3 、整个工程在开发过程中要怎么管理？ 4 、如何规划人力？
以上才是真正的软件工程的本质。
如果只从“输入代码”这个狭义的角度考虑，目前我司应该在第四档。
但是目前 code review 的比例应该也是 100%的。也就是生成比例高，但复核比例也高。
大语言模型是一种真正意义上的信息平权。 它提供的是信息的绝对统计学解。而且因为其数据的数量级过大，导致人类很难出于利益、政治等考量对输出进行有效干预。
在此之前，任何的文字信息，都是通过人类制定的规则与组织筛选呈现的。 报纸有报社，书有出版社，广播、电视有广电总局，教育有教育局，搜索引擎有…
这个变量很多。除非控制变量，否则很难横向对比。
所以哪个用的最顺手，用哪个就好。
这个问题有多个维度。
视频解码位置： 如果是 7.2.1 之前的系统版本，群晖可以直接通过 web 播放，群晖也有 video station 。也支持压缩和画质选项。 如果是 7.2.2 及以后的版本，就只能使用客户端硬解了。所以就需要全码率传输。
网络环境： 决定“速度”的，很…
想当年，古法程序员还是从手戳纸带进化成手敲记事本。
随着时间的演进，古法也在迭代。
楼主这个讨论太虚了。需要明确定义才有可能有价值。
1 、楼主叙述的 AI 是理想中的 AI ，还是现阶段的统计学 AI ？如果是现阶段，那么你的假设不成立。 2 、AI 的行为导致的社会学问题，其中主体指的是 AI 模型本身，还是 AI 模型公司？这是完全两个独立的问题。
有两种情况： 1 、因为非理性原因（情怀等人文因素）坚持小众语言。那这个小众语言就应该消亡。 2 、因为理性原因（性能、环境、设计等），某些垂直领域不可替代。那在统计学 AI 的视角下，这个垂直领域依然是强势的。
btw：一个实际的产品决定使用什么编程语言，编程能力从来不是高权重的考虑因素…
没什么诀窍，无非就是照本宣科：不要硬编码。通过服务获取。
btw ，即便是最高风亮节的 Anthropic ，也只是声明了不会用用户的数据再训练。 也就是说，他只能保证你的代码、数据不会被“自己的新模型”吐露给其他用户。但也仅此而已了。
有点意思，每个星星都是个 dom 元素。