回到梦开始的地方，2022 年 12 月 6 日，ChatGPT 发布几天后，我通过国外手机接码平台注册了账号。

那时，还只是带着新奇和玩乐的心态与 ChatGPT 对话。短短两年后，AI 已经渗透到了我们生活的方方面面。

感触的事情

1. 编程语言的革命性转变

2019 年，我在《到底学哪一门编程语言》中半开玩笑地畅想了「龙之语言」：

短短几年后，这个预言竟然成真了。通过自然语言，无论是中文还是英语，只要描述需求，就能生成相应的软件。

编程范式正在经历一场革命：从面向过程到面向对象，再到函数式编程，现在我们迎来了面向 AI 编程的新时代。传统的编程语言（C++、Python、JavaScript、Java）可能会逐渐转变为类似汇编语言的角色——我们知道它的存在，但不再需要深入学习它。未来的主流编程方式将是使用自然语言。

2. 技术文章

上个月准备一篇关于前端信号（Signal）的文章，照常先看了很多参考资料：

修言的 JavaScript 函数式编程实践指南
Knockout.js demo 运行
SolidJS 作者的 The Evolution of Signals in JavaScript - DEV Community 等几篇文章
TC39 的信号提案， GitHub - tc39/proposal-signals: A proposal to add signals to JavaScript.
Vue3 介绍的 Connection to Signals

看完之后准备动笔，编写边和 chatGPT 聊天来理清思路，逐渐意识到了一个重要转变：

聊着聊着，算了算了，写出来也不如 chatGPT，chatGPT 甚至还能一对一持续解答疑惑。

未来技术文章作用会越来越低。在学习新技术、解答技术疑惑方面，AI 的能力已经超越了传统的技术文章。未来，技术写作可能会更多地聚焦于个人经验分享、企业实践案例等独特内容——那些 AI 无法替代的真实经历和洞察。

3. 开发模式的颠覆：Cursor 的启示

前几周组内开始建议大家体验 cursor 进行开发，开始以为又只是像 Copilot 一样的东西，可以辅助编程，可以提升效率，但不多。

那几天刚好有一个需要写 node.js 数据抓取存储的任务，就试着用了一下。

我只是向 cursor 描述了需求，然后就开发完了，它帮我们自动建文件、自动写代码，我们需要做的就是 review 一下，然后点一下 accept all。

可能在以前，我还需要熟悉一下文件，看看其他人怎么写的，然后复制过来，接着再改一改，快的话也得一两个小时。但现在，我啥也没干，几分钟代码写完了。

再举一个 RAG 的简单例子，以前用 chatGPT 实现自己博客的 RAG 机器人可能需要

要实现一个基于 ChatGPT 的 RAG（Retrieval-Augmented Generation）机器人，用于你的博客，以下是关键步骤：

1. 确定需求和目标

• 明确目标：例如，你的 RAG 机器人需要回答博客内容相关的问题，还是辅助用户搜索特定主题。

• 确定数据来源：博客是静态页面、Markdown 文件，还是数据库？

2. 准备博客数据

• 数据收集： 爬取或导出博客内容到结构化格式（如 .txt、.json、.csv）。

• 数据清洗： 去除冗余内容，比如 HTML 标签、重复数据或无关信息。

• 数据分块： 将长文章切分为小段（例如每段 200-500 字），便于后续检索。

3. 向量数据库搭建

• 选择向量数据库： 使用 Pinecone、Weaviate、Vespa、Milvus 或 OpenSearch。

• 文本向量化： 将博客内容转化为向量，便于检索。

• 使用预训练的嵌入模型（如 OpenAI 的 text-embedding-ada-002 或 Hugging Face 的句向量模型）。

• 为每段内容生成向量，并存储在数据库中。

4. 构建检索机制

• 查询向量化： 用户提问需要转化为向量，与数据库中的内容匹配。

• 检索最相关内容：

• 使用相似度计算（余弦相似度）找到相关博客段落。

• 返回排名靠前的结果（如 top-k 检索）。

5. 集成 ChatGPT API

• 调用 ChatGPT：

• 使用 OpenAI 的 GPT-4 API 接收用户问题。

• 将检索到的内容作为 context 提供给模型，生成更加精准的回答。

示例 Prompt：
1
2
3
4
> 用户提问: {用户问题}
> 检索内容: {相关博客段落}
> 请根据检索内容回答问题，必要时补充额外信息。
>

6. 构建 Web 服务

• 后端服务：

• 使用 Flask/FastAPI/Django 等框架创建 API。

• 实现以下功能：

• 接收用户提问。

• 调用向量数据库进行检索。

• 将上下文和问题传递给 GPT-4。

• 返回生成的回答。

• 前端界面：

• 使用 React/Vue.js 设计用户界面，支持输入问题和显示回答。

7. 部署

• 服务器部署：

• 本地测试无误后，将服务部署到云平台，如 AWS、Google Cloud、Azure。

• 安全优化：

• 添加 API 调用限流机制，避免滥用。

• 使用 HTTPS 确保通信安全。

8. 持续优化

• 监控用户交互：

• 收集用户反馈，分析常见问题，优化检索逻辑和提示词设计。

• 模型微调（可选）：

• 使用博客数据微调开源模型，使其更贴合内容特点。

工具和资源推荐

• 开发工具：

• 向量化：Hugging Face Transformers 或 OpenAI API。

• 向量数据库：Pinecone、Milvus。

• 后端框架：Flask、FastAPI。

• 前端框架：React、Vue。

• 参考文档：

• OpenAI 官方文档

• 向量数据库官方教程

需要进一步拆解某一步吗？

想想就复杂，太多的专业名词了。但有了 cursor，我们只需要打开自己的博客文件夹，然后点击 codebase 的回车：

结果就出来了

根据提供的代码片段，windliang 是一位程序员，主要专注于前端开发，尤其是微信小程序和 Web 开发。以下是一些关于他的信息：

技术栈：他熟悉微信小程序、WebSocket、Node.js、Vue.js 等技术，并且对 Webpack、HTTP/HTTPS 等前端相关技术有深入研究。

项目经验：他开发了多个微信小程序，如「神奇字体」、「农历生日转换」等，并且分享了一些小程序的开发经验和上线过程。

博客和分享：他搭建了自己的博客，并撰写了许多技术文章，涵盖了前端开发、小程序原理、WebSocket、Webpack 等主题。

学习路径：他从大学时期开始接触编程，逐步学习并深入前端开发，期间也涉及了一些后端技术如 Node.js。

兴趣和爱好：他对编程充满热情，喜欢通过技术解决实际问题，并且乐于分享自己的学习和开发经验。

更多关于他的信息可以通过他的博客和知乎账号 windliang 进一步了解。

以前我们需要复制代码给 chatGPT 或者问 chatGPT 问题，再结合代码来写。但现在 cursor 会把当前项目文件全部添加索引，还可以指定文件，并且它还可以自主调用程序，自己一步一步决策，出现问题自己再解决问题，而这个过程我们完全不需要关心，只需要验收最后的成果。

这标志着开发者角色的重大转变：我们正从具体实现者转变为需求描述者和结果验证者。我们变成了老板，Cursor 就像我们的 AI 员工，能够自主完成从需求理解到问题解决的整个过程。

最夸张的的是，这个员工是无限的，我们可以同时做很多事情了。

AI 发展历程（2022-2024）

感触完再简单回顾下从 chatGPT 开始 ai 的发展进程，虽然只有两年时间，但概念、软件出来了一个又一个，这里简单写写，详细的还是得去问 chatGPT。

大模型的迭代升级

2022.11：ChatGPT 发布，开启 AI 爆发元年
2023.02：微软推出集成 GPT-4 的 new Bing
2023.03：OpenAI 发布 GPT-4，支持多模态输入
2023.03-04：百度文心一言、阿里通义千问相继发布
2023.07：Meta 开源 Llama2，推动开源大模型发展
2023.09：Claude 2 问世
2024.01：Claude 3（Opus、Sonnet、Haiku）发布

AI 编程助手的演进

GitHub Copilot：开创性的 AI 编程助手
Amazon CodeWhisperer：亚马逊的编程助手方案
Cursor：基于 GPT-4 的智能集成开发环境
Claude for VSCode：注重人机交互的编程助手
Codeium：开源社区的 AI 编程解决方案

AI 应用爆发

各个领域的 AI 应用也在不断涌现：

图像生成：Midjourney、Stable Diffusion、DALL-E 3
视频生成：Sora、Pika Labs
语音生成：Whisper、Claude Speech
音乐生成：Stable Audio、MusicGen

开发范式的变革

AI 带来了新的开发方式：

Prompt Engineering：通过设计提示词来引导 AI 输出
RAG（检索增强生成）：结合知识库的 AI 应用架构
Function Calling：让 AI 可以调用外部函数和 API
AI Agent：能够自主决策和执行任务的 AI 代理

ai 发展这一章节由 ai 生成。

展望未来

未来一定是 ai 的，这已经毋庸置疑了，而我们需要做的就是拥抱 ai，学习 ai，使用 ai。

从 php 开发、.NET 开发、java 开发、python 开发、塞班开发、安卓开发、iOS 开发、web 开发、小程序开发，到现在的 ai 开发，短短几十年，程序员的职业在不停变化。

但变了吗？其实没有。程序员核心掌握的应该是「解决问题的能力」，而变的只是我们使用的工具罢了。