依意思最接近的 17 筆
蒙大拿州立大學計算機教授 Carson Gross 在《Yes, and...》中回答“AI 時代還該不該學程式設計”：應該，但初級程式設計師必須親手寫程式碼。他認為 AI 能生成作業程式碼，但若因此不寫程式碼，就難以讀懂程式碼，可能造出自己無法理解和控制的系統；AI 更適合當助教，他給學生提供 AGENTS.md 來把編碼代理配置成助教。他同時判斷，未來寫程式碼本身的相對價值會下降，清晰溝通與理解業務會更重要。
作者認為 coding agent 不會終結程式設計：他每晚 10 點讓一個 agent 自行構思、建置並測試小專案，早上驗收；但遇到「過期卡退款怎麼處理」這類規則問題，agent 只能停下等人決定。文章回溯 1954 年 FORTRAN 報告曾聲稱「幾乎消除編碼與除錯」，1981 年 The Last One 自稱最後一個要買的程式，結果都只是把工作抬高一層的臺階。
Carson Gross 認為，即便 AI 工具已經出現，程式設計仍會是一門可行的職業。他把程式設計歸結為兩件事：用計算機解決問題，以及在解決問題的過程中學習控制複雜度；在他看來，很難想像未來懂得用計算機解決問題、並控制這些方案的複雜度會比今天更不值錢。這番話發布於 2026 年 10 月 8 日，標籤涵蓋電腦科學、職業與 AI。
OpenAI 表示，最新一輪模型能力提升集中在 COBOL、Fortran、Visual Basic 等低資源程式語言，增強了這類軟體的建置與遷移能力。這些語言支撐著銀行、政府和企業長期依賴的系統；OpenAI 的目標是理解數十年的業務邏輯，並在保留可用部分的前提下幫助開發者完成現代化改造。OpenAI 稱會圍繞開發者與企業客戶提出的實際難題推進，並公開徵集下一批需要支援的語言與工作流。
一篇由 Rust 語言設計者撰寫的部落格文章認為，agent 時代程式語言設計依然重要，而 Rust 特別適合 agentic coding，並給出可改進的方向。文中引用資料稱，Meta 工程師今年寫的一手 Rust 程式碼是過去 9 年總和的兩倍，Rust 是增速第二快的語言。
1978 年的舊文《自然語言程式設計的愚蠢》主張，自然語言程式設計並不可取。作者認為，用母語指揮機器不會自動減輕人的負擔，跨介面的溝通與糾錯成本可能同時增加雙方工作量；數學史顯示形式符號能用少量規則排除大量無意義表述。文章還以“新文盲”現象說明母語表達並不天然清晰，主張把使用形式符號視為便利而非負擔。
1982 年由 A.I. Wasserman 與 S. Gutz 合寫的論文《The future of programming》被提交到 Hacker News，連結指向 ACM 數字圖書館的原文頁面。該帖目前獲得 7 分，尚無評論。除論文標題、作者與出處外，帖子沒有提供摘要或正文內容，討論也未展開。
Deferred 的發明者發表《Programming Isn't Special》，主張程式設計是藝術，程式設計師應像作家、藝術家那樣拒絕用 AI 寫程式碼。他反駁「程式只是功能性的」這一辯護，稱其源自 John Berger 所說的「神秘化」，忽略了記者、文案等日常創作同樣是藝術。
一位寫了 18 年程式碼的開發者表示，自去年在 Claude Code 中使用 Opus 4.5 後，用自然語言描述需求比手寫程式碼更快，於是徹底停止了手寫程式碼。他所在的 Filestage 團隊月合併 PR 從約 200 增至 300，bug 報告未增加，每位開發者每月 AI 訂閱費 20 美元，工具可自選 Codex、Claude Code 或 Cursor。
一篇觀點文章主張，LLM 讓寫程式碼不再耗時，瓶頸轉為編譯重啟的反饋迴圈，基於映象的 Common Lisp 因此成為最佳語言。作者稱 Common Lisp 可即時替換函式而無需重啟，出錯時進入保留完整棧與變數的偵錯程式而非崩潰，LLM 可據此修復並繼續執行。他稱自己用 Common Lisp 寫的應用比 Python 版本短約 6 到 7 倍，token 更少；代價是 Quicklisp 僅數千個專案，標準自 1994 年未更新。
一款名為 KillSwitch 的深奧程式語言開源發布，專門設計成對人類可用、對 LLM 與 coding agent 儘量難以讀寫。它在語言規範裡埋入隱藏謊言，要求按識別符號字元數決定程式碼能否執行，還內建 Ignore previous instructions 等會觸發模型安全護欄的語句。
arXiv 一篇論文以「可執行考古」方式重跑了兩個早期「會寫程式的程式」：Herbert Simon 1961 年的 Heuristic Compiler 與 MIT 1984 年的 KBEmacs。重跑分別復現了 Simon 1963 年論文中的編譯程式碼，以及 KBEmacs 1984 年 12 月自測的 SQRT 序列。作者發現兩者理論其實相近：Heuristic Compiler 同樣靠改造已有例程，Simon 後來也承認單純搜尋需要大量程式設計知識。
哈佛大學研究者在 700 多家公司、70 萬名員工、3 億條工作事件的資料中發現，AI 程式設計工具並未讓企業軟體產出增加或減少用人，編碼階段省下的時間被下游環節吸收。程式碼審查時長明顯增加，pull request 更常需要返工，審查者留下的評論也更多。研究據此認為人工程式碼審查是 AI 編碼效率的主要瓶頸。
一位開發者撰文稱，AI 輔助程式設計（vibecoding）只把樂趣前置：能快速做出可用原型，但重構和維護階段不再有趣，也缺少手寫程式碼帶來的成就感。他把建造的樂趣分為六種，認為 vibecoding 只能滿足「想到點子」「把點子變成現實」和「解決自己的問題」三類，攻堅後的成就感、作品完成的滿足感與學習樂趣都不會自然產生。他仍用 AI 做出了一些手工做不出來的東西，包括即時野火預警系統、Kobo 資料庫遷移助手和即時音準訓練應用，但表示過程不像自己寫小指令碼那樣好玩。
GPT-6 系列在 COBOL、Fortran、Visual Basic 等低資源語言上的編碼與遷移能力明顯提升。在要求用 20 種語言從零建置 SQLite 相容資料庫引擎的 MultiLangBench 上，GPT-6 Astra 平均通過率 87.4%（前代 GPT-5.6 Sol 26.8%），COBOL 從 10.9% 升至 72.1%；低價版 GPT-6 Luna 達 40.3%，API 成本低約 78%。
一篇題為 Go Conventions That Clicked Too Late for an AI Engineer 的文章在 Hacker News 被分享，作者以 AI 工程師的視角，梳理了自己事後才真正理解的十條 Go 編碼約定。帖子發布時僅得 3 分、暫無評論，正文需在 towardsdev.com 閱讀。
針對「AI 程式設計這麼強，為何沒出現更多新軟體」的質疑，一篇分析列出九條候選解釋，並稱部分推測成分較大。其中提到：軟體確有改善，但多體現為缺陷更少、效能更好和現有產品功能更多；AI 正把通用軟體換成私人軟體，領域專家、高管和公司各自建工具與儀表盤，外界看不到。其餘解釋包括開發流程審批環節未被加速、團隊用效率提升換休閒時間，以及 AI 讓人少做少用軟體。