2.1 范式转变：从编写代码到编排 AI

一个真实的场景

小张是经济学专业大三学生，导师要他分析 10 家上市公司最近三年的财务数据。传统做法是先学几周 Python，写代码爬数据、清洗、计算指标、画图。小张没学过编程，面对这个任务一筹莫展。

但他发现身边同学用 Opencode 只花了两个小时就完成了任务。同学这样做的：先告诉 AI 需要什么数据和指标，AI 自动生成代码并运行，同学检查结果后提出修改意见，几轮迭代后得到完整的分析报表。

小张困惑：这不是编程吗？同学回答：「我没写代码，我只是告诉 AI 我要什么，AI 帮我写代码。我的工作是检查它做得对不对、是否符合我的分析需求。」

这就是正在发生的范式转变。

软件开发的四个阶段

软件开发正在经历第四次范式转变。

传统编码时代（1950s-2010s）：程序员用 C、Java、Python 等语言，手写每一行代码。这要求精通语法规则、算法实现、框架使用。学习曲线陡峭，门槛很高。

低代码时代（2010s-2020）：Airtable、Notion 等工具让人们通过拖拽组件构建应用。开发门槛降低了，但表达能力有限，复杂需求仍需编程。

AI 辅助时代（2020-2024）：GitHub Copilot 等工具能预测和补全代码片段。程序员写代码的速度提升了，但本质上仍是人在主导每个实现细节。

AI 编排时代（2024 至今）：Opencode、Cursor 等工具让开发者用自然语言描述需求，AI 自动生成完整功能。人的角色从代码编写者变成了 AI 编排者。

阶段	时期	核心特征	人的角色
传统编码	1950s-2010s	手写每行代码	执行者
低代码	2010s-2020	拖拽组件	配置者
AI 辅助	2020-2024	代码补全	主导者
AI 编排	2024 至今	自然语言驱动	指挥者

软件 3.0：Karpathy 的洞见

Karpathy 把这种演进总结为软件版本的迭代：

软件 1.0：用传统代码编程计算机
软件 2.0：用数据和权重编程神经网络
软件 3.0：用自然语言编程大语言模型

软件 3.0 时代，提示词就是代码。你用自然语言对大语言模型发出指令，模型生成和执行程序逻辑。过去需要几百行代码才能实现的功能，现在可能只需要几句话。

这不是夸张。Karpathy 本人用 Vibe Coding 在不到一小时内开发了一个 iOS 应用——尽管他此前从未用过 Swift 语言。游戏开发者 Pieter Levels 用类似方法，17 天内做出了一款年收入百万美元的游戏。据公开报道，越来越多的创业公司表示其代码大部分由 AI 生成。

从演奏者到指挥家

理解范式转变的关键，是重新定义你的角色。

传统程序员像乐队中的演奏者。他需要精通每个音符的演奏技巧——语法规则、API 调用、算法实现。一个小错误，整首曲子就崩了。

AI 时代的开发者更像指挥家。指挥家不需要会演奏每种乐器，但需要理解音乐的整体结构，知道什么时候该强调什么、什么时候该收敛。他的工作是协调各声部，让它们协同产生预期的效果。

对应到 AI 协作：

不再手写每个函数，而是用自然语言清晰表达意图
不再调试每行代码，而是审查 AI 输出的质量与安全
不再纠结实现细节，而是做架构决策和方向判断

声明式思维 vs 命令式思维

传统编程采用命令式思维：告诉计算机如何做（How）。

# 命令式：一步步告诉计算机怎么做
result = 0
for i in range(10):
    result += calculate(i)

AI 编排采用声明式思维：告诉 AI 做什么（What）。

请计算从 0 到 9 的累加结果，使用 calculate 函数处理每个数字

声明式思维的好处是抽象层次更高。你不需要关心具体实现，只需要清晰描述目标。AI 会根据上下文选择合适的实现方式。

这种思维方式对经济金融专业的学生特别友好。你本来就擅长描述问题、定义目标、分析需求——这些正是声明式思维的核心。你不擅长的语法细节、框架 API，现在可以交给 AI。

知识卡片

声明式编程（Declarative Programming）是一种编程范式，程序员描述想要的结果而非实现步骤。SQL 是典型的声明式语言：SELECT * FROM users WHERE age > 18 描述了你想要什么数据，而非如何查找它们。

对经济金融学生的机遇

这场范式转变对你意味着什么？

门槛大幅降低。以前，想用程序处理金融数据，需要先学几个月编程。现在，你可以用自然语言描述需求，让 AI 帮你写代码。

专业知识更有价值。AI 懂编程，但不如你懂金融。当每个人都能用 AI 写代码时，真正稀缺的是能提出正确问题、做出专业判断的领域专家。

人机协作成为核心技能。未来最有价值的不是纯粹的程序员或纯粹的分析师，而是能有效编排 AI、将专业知识与 AI 能力结合的人。

2030 年的金融分析师可能是这样工作的：用自然语言让 AI 收集数据、生成初步分析、制作报表，自己专注于判断洞察、客户沟通、战略建议。掌握人机协作的人将获得显著的生产力优势。

--- title: "2.1 范式转变：从编写代码到编排 AI" --- ### 一个真实的场景小张是经济学专业大三学生，导师要他分析 10 家上市公司最近三年的财务数据。传统做法是先学几周 Python，写代码爬数据、清洗、计算指标、画图。小张没学过编程，面对这个任务一筹莫展。但他发现身边同学用 Opencode 只花了两个小时就完成了任务。同学这样做的：先告诉 AI 需要什么数据和指标，AI 自动生成代码并运行，同学检查结果后提出修改意见，几轮迭代后得到完整的分析报表。小张困惑：这不是编程吗？同学回答：「我没写代码，我只是告诉 AI 我要什么，AI 帮我写代码。我的工作是检查它做得对不对、是否符合我的分析需求。」这就是正在发生的范式转变。 ### 软件开发的四个阶段软件开发正在经历第四次范式转变。 **传统编码时代（1950s-2010s）**：程序员用 C、Java、Python 等语言，手写每一行代码。这要求精通语法规则、算法实现、框架使用。学习曲线陡峭，门槛很高。 **低代码时代（2010s-2020）**：Airtable、Notion 等工具让人们通过拖拽组件构建应用。开发门槛降低了，但表达能力有限，复杂需求仍需编程。 **AI 辅助时代（2020-2024）**：GitHub Copilot 等工具能预测和补全代码片段。程序员写代码的速度提升了，但本质上仍是人在主导每个实现细节。 **AI 编排时代（2024 至今）**：Opencode、Cursor 等工具让开发者用自然语言描述需求，AI 自动生成完整功能。人的角色从代码编写者变成了 AI 编排者。 | 阶段 | 时期 | 核心特征 | 人的角色 | |------|------|----------|----------| | 传统编码 | 1950s-2010s | 手写每行代码 | 执行者 | | 低代码 | 2010s-2020 | 拖拽组件 | 配置者 | | AI 辅助 | 2020-2024 | 代码补全 | 主导者 | | AI 编排 | 2024 至今 | 自然语言驱动 | 指挥者 | ### 软件 3.0：Karpathy 的洞见 ![软件 1.0/2.0/3.0 演进示意图](images/img_01_software_evolution.png) Karpathy 把这种演进总结为软件版本的迭代： - **软件 1.0**：用传统代码编程计算机 - **软件 2.0**：用数据和权重编程神经网络 - **软件 3.0**：用自然语言编程大语言模型软件 3.0 时代，提示词就是代码。你用自然语言对大语言模型发出指令，模型生成和执行程序逻辑。过去需要几百行代码才能实现的功能，现在可能只需要几句话。这不是夸张。Karpathy 本人用 Vibe Coding 在不到一小时内开发了一个 iOS 应用——尽管他此前从未用过 Swift 语言。游戏开发者 Pieter Levels 用类似方法，17 天内做出了一款年收入百万美元的游戏。据公开报道，越来越多的创业公司表示其代码大部分由 AI 生成。 ### 从演奏者到指挥家理解范式转变的关键，是重新定义你的角色。传统程序员像乐队中的演奏者。他需要精通每个音符的演奏技巧——语法规则、API 调用、算法实现。一个小错误，整首曲子就崩了。 AI 时代的开发者更像指挥家。指挥家不需要会演奏每种乐器，但需要理解音乐的整体结构，知道什么时候该强调什么、什么时候该收敛。他的工作是协调各声部，让它们协同产生预期的效果。对应到 AI 协作： - 不再手写每个函数，而是用自然语言清晰表达意图 - 不再调试每行代码，而是审查 AI 输出的质量与安全 - 不再纠结实现细节，而是做架构决策和方向判断 ### 声明式思维 vs 命令式思维传统编程采用命令式思维：告诉计算机如何做（How）。 ```python # 命令式：一步步告诉计算机怎么做 result = 0 for i in range(10): result += calculate(i) ``` AI 编排采用声明式思维：告诉 AI 做什么（What）。 ```txt 请计算从 0 到 9 的累加结果，使用 calculate 函数处理每个数字 ``` 声明式思维的好处是抽象层次更高。你不需要关心具体实现，只需要清晰描述目标。AI 会根据上下文选择合适的实现方式。这种思维方式对经济金融专业的学生特别友好。你本来就擅长描述问题、定义目标、分析需求——这些正是声明式思维的核心。你不擅长的语法细节、框架 API，现在可以交给 AI。 ::: {.callout-note} ## 知识卡片声明式编程（Declarative Programming）是一种编程范式，程序员描述想要的结果而非实现步骤。SQL 是典型的声明式语言：`SELECT * FROM users WHERE age > 18` 描述了你想要什么数据，而非如何查找它们。 ::: ### 对经济金融学生的机遇这场范式转变对你意味着什么？ **门槛大幅降低**。以前，想用程序处理金融数据，需要先学几个月编程。现在，你可以用自然语言描述需求，让 AI 帮你写代码。 **专业知识更有价值**。AI 懂编程，但不如你懂金融。当每个人都能用 AI 写代码时，真正稀缺的是能提出正确问题、做出专业判断的领域专家。 **人机协作成为核心技能**。未来最有价值的不是纯粹的程序员或纯粹的分析师，而是能有效编排 AI、将专业知识与 AI 能力结合的人。 2030 年的金融分析师可能是这样工作的：用自然语言让 AI 收集数据、生成初步分析、制作报表，自己专注于判断洞察、客户沟通、战略建议。掌握人机协作的人将获得显著的生产力优势。