ChatGPT时代，我们可能站到了自然语言编程的大门口

大火，我现在有种感觉：我们可能站到了自然语言编程的门口，一脚下去，也许能把门踹开。
当然，也可能会踢到一块铁板。
回顾我们的编程之路，基本上就是一个编程门槛不断降低的历史。
最早的一批前辈们通过手工插拔电路的方式把程序输入计算机，每次编程都得好几个小时，甚至好几天。
冯诺依曼架构出现后，程序可以存储在内存中，随意变化，一下子方便了很多，但是编程依然是非常低级的汇编，上古的大神们用汇编写Unix等操作系统、编译器，这时候程序员是珍稀动物，编程门槛太高了。
/COBOL/BASIC/C/C++/等高级语言的出现让编程难度降了一个等级，再加上80年代PC行业的爆发，编程行业开始繁荣。
到了90年代，Java、、Ruby、等编程语言，让程序员更加远离硬件，远离内存管理，可以把目标聚焦到业务逻辑上。
进入21世纪，企业为了应对快速的市场变化，对信息化的需求越来越高，迫切需要快速地实现业务，推向市场，于是low code ,no code 又形成一个巨大的浪潮，在界面上，通过拖拽的方式就可以编程了。
再往下走一步，大家都非常明白，那就是自然语言编程。
在之前自然语言编程大家都觉得是挺不可思议的事情，因为这需要AI理解自然语言，并且能准确地输出代码，这是一件非常难的事情。
但是、通义千问等大模型出现以后，我们突然发现，自然语言编程出现了重大突破，我们可以告诉AI需求，让AI来生成代码了！
我们可以告诉AI：
我需要实现一个的的接口，用来实现，的属性包括id，name，,。
在几秒内，AI就可以迅速生成从最上层到最底层的代码，更让人震撼的是，它还支持微调的能力。
我们可以说：“数据库访问用实现。”AI可以迅速把数据库访问代码改成。
当我们说：“把改为”，AI 马上可以找到所有相关代码，把改过来。
这种微调的能力，远远超过了之前常见的代码生成器，AI似乎准确地理解了你的要求，对代码做了精确的修改。
当然，对于某些极端的情况，AI会有些考虑不周，还依赖程序员的洞察力。所以我经常说AI能生成95%的可运行代码，剩下的5%需要则依赖程序员的功力。
这还只是生成代码，程序员还需要把代码从聊天窗口复制到IDE中去运行调试。说实话，这个过程也挺烦人的。
钉钉刚刚发布的AI生成应用场景突然又让我看到了新的方式，在通义千问这个大模型的支持下，它不仅仅是用自然语言生成代码，而是直接生成应用，一键部署，然后直接在钉钉群聊里运行起来！
它甚至通过拍照的方式就可以生成一个应用，让输入的方式不再只有文字：
GPT-4在之前的演示中，也展示了根据图片生成代码和网页的能力（这个能力现在没有正式发布，让大家使用），但是钉钉已经可以直接生成可以运行的低代码应用，比如常见的工单管理系统、门店巡检系统、客户信息管理系统都可以交给AI去帮我们开发出来，这实在是太棒了。
如果自动生成的应用程序不满足要求，也可以通过继续对话让AI帮你修改应用，添加选项、删除字段。
拍照生成应用这个微软也可以做到，但我发现钉钉还剧透了一个很棒的能力，就是智能推荐选项字段，帮你补全。这个能力虽然看起来简单，但是技术上实现起来难度应该很大，需要给大模型输入大量的行业know how 。
钉钉把自家宜搭低代码的应用模板给大模型学习，就等于是把各行各业（制造、医疗、建筑等）及各类高频业务场景（人事行政、财务报销、生产制造等）都喂给了AI，构建了丰富的领域业务数据。