OpenAI 创始人之一的 Andrej Karpathy 在 AI 圈里的威望是没有争议的。

他有一条推文始终置顶：

我完全同意他的看法，但是我希望用另一个词来形容这种新的编程语言：Spec（Specification 的缩写）。

不管你对AI编程是什么样的态度，是欣然接受，还是抗拒或者鄙夷，现在软件行业已经天翻地覆了。根据谷歌公司24年6月的一篇技术博客^[1]，谷歌内部的代码已经有50%以上是AI生成的。而过去这一年，AI编程迅猛发展，无论是模型的代码能力，还是上层的编码工具都在突飞猛进。一年后的今天，这个比例一定更高。而考虑到谷歌内部开发的往往是有技术挑战、AI难以驾驭的软件项目，大多数软件公司开发的大同小异的应用层产品，能被AI自动生成的比例只会更高。

如果你过去半年一直使用AI编程工具做开发，相信你也会体会到一种变化：编程的工作重心从写代码变成了写 prompt+审阅代码。在 IDE 里面，输入只发生在 Prompt 的输入框，代码区完全变成了Code Review的窗口：

最近，Claude Code 和 Gemini CLI 这种基于命令行的AI工具开始流行，这说明，也许代码审阅的窗口也不是那么必要的。

我们现在已经在不知不觉中用自然语言编程了，我们写给AI的prompt，汇总起来，其实就是软件项目的Spec。所以我说，Spec就是新的编程语言。

在这种新的软件开发实践下，大模型就可以类比为编译器，它把我们的prompt编译成程序代码。

我知道，这种类比不是100%准确：传统的软件编译是确定性的，一段代码无论编译多少次只会产生同样的机器码（同架构）；而 LLM 生成代码是一个概率游戏，可能每一次都不同。但如果只考虑功能的等价性，把AI代码生成理解成一种编译也未尝不可。

另外，LLM生成代码还存在很大的不精确性，有时生成的代码和我们的意图有偏差，有时还会出现Bug。但是AI代码生成的准确度在逐渐提高，在一些领域中，比如Web前端开发、Python脚本开发，根据我个人的经验，大模型已经基本能“说到做到”；对于其他类型的软件，随着更多代码被纳入训练数据，可以预期代码生成的能力也会赶上来。

我们接下来的讨论，就假设一种理想的终极状态：LLM可以准确地把Prompt转化成可执行的代码。

按照这种新模式去理解软件开发，我们可以预期很多变化：

• 传统的软件开发中，我们看重源代码，但是机器码（binary code）可以抛弃，因为它可以随时编译出来。在新范式下，当前我们对Source Code仍然比较重视，但是prompt却用完就忘掉了，这显然是本末倒置的。未来，我们必然会把Prompt放到比Source Code更加重要的位置，因为在新模式下，Prompt本身就是代码，而Source code是可以用Prompt生成出来的。不难想象，我们一定会把Prompt纳入版本控制，作为软件项目最核心的资产维护起来（现在已经有创业公司做出针对Prompt的Github^[2]）。

• 传统的软件开发中，会出现bug。Linter还有编译器会提示我们这些bug的存在。在新的软件开发范式下，还没有等价于Linter Error/Compiler Error的东西。如果你的Prompt写的不精确、有歧义，甚至有前后矛盾的地方，现在的AI编程工具还是会愣头青一样，拿到Prompt就干活。我觉得应该有一个Confirmation的阶段，查找并反馈Prompt中的错误、歧义和不精确的需求，要求用户对Prompt细化、改错、排除歧义，然后才进入编译（代码生成）的阶段。

• 传统的软件开发流程中，会不断开发新版本，代码会随着开发周期发生变化。新的开发实践中，Prompt也不会是静态的，也会随开发周期动态演进：用1.0版本的prompt和2.0版本的prompt生成的是两套完全不同的代码库。而且，Prompt的变化不会仅仅来自于用户，在开发过程中，LLM也可以总结出一些经验教训，并把它们融合到下一个版本的Prompt中。

• 传统软件项目中，我们用一个目录树来组织代码文件。在新的Spec软件形式下，Prompt将会是代码的原子单位，并用一种DAG流程图的形式组织起来，而Build的过程，就是LLM按照流程图的顺序去执行一个个Prompt，把源代码库生成出来。Prompt的粒度将会是一个重要的指标：它必须是LLM可以独立完成的一个子任务，这个粒度和模型的智能、Context Window的大小相关。

• 软件开发的界面。和传统开发中的IDE不同，新的软件开发范式中，Prompt将会是中心，代码的呈现变得可有可无（记住：理想状态下生成代码准确度很高），就像传统软件开发中，我们不需要看到机器码一样。开发界面主要是用户和生成器（LLM）的对话：用户输入代码（Prompt），LLM反馈生成进度和遇到的问题。当前类似Claude Code这样的CLI工具，还有做Web应用的各种 Low-Code平台（如Lovable、v0），已经呈现了这种开发界面的雏形。

以上的讨论都是基于AI代码生成准确度理想状态的假设，和当前的软件开发实践有很大差距。但是，以AI模型Coding能力的进展速度，这个未来并不太远，也许就在眼前。

当前，AI Coding还不能提供一个端到端的解决方案，在前端还需要开发人员做技术选型、设计技术架构，在开发过程中仍需要开发人员审阅代码，对具体的技术细节、解决方案作出指示，甚至需要做代码级别的修改。这些工作仍然需要有技术经验的专业程序员。但是，当上面提到的Spec开发过程成为主流，软件开发将会实现真正的民主化——技术小白也可以独立完成软件项目，程序员作为一种职业也就该退出历史舞台了。

上面谈到的都是Software 1.0，即基于代码的软件项目。Spec作为一种新的编程语言，还可以驱动Software 2.0^[3]（AI模型）的开发。关于这一点，可以观看这个视频^[4]，看OpenAI是如何用Spec来对模型编程的。

（原文链接：https://zhuanlan.zhihu.com/p/1928180744683000066）