我觉得这是AGI⾮常或者做AI
native⾮常重要的思想。你再也不是写⼀个需求，让这个程序员把这个需 求⽤确定性的⽅式实现出来。⽽是可能会有多种不同的场景同时在涌现，产品经理做的事情不是说去 种⼀棵树，⽽是去画出来⼀块地，让AGI机器能够在这⽚地上把所有树都种⼀遍。这才是可能真正AGI ⻓期发展⽅向的、好的开发⽅式。 讲到这⼉，我们如果再回顾⼀下这个领域过去半年到⼀年发⽣的事情⸺有很多⼈在做⼤模型，我们也 是其中之⼀。 碾压的⽅式成为主流的开发范式。但并不是说「神性」就不重要了，只是它需要⼀个很好的系统作为 ⽀撑，或者说，系统应该是主⼒军。 我经常说⼀个⽐喻。张⼩⻰在⼀张巨⼤的地图上指了⼀个点，说在这种⼀棵树，后来证明他是 「神」，因为他指的地⽅是对的，这棵树⻓成了巨⼤的森林。这就是「神性」的体现。⼀个神枪⼿， 指哪打哪，判断⾮常准。 但是
AGI
不是这样⼯作的，⽐如你想做⼀个
ChatGPT。引⽤⼀个很有名的设计师说过的话，不是根据 设计来完成制造，⽽是通过制造完成设计。（注：⽇本⼯业设计⼤师柳宗理，喜欢先⼿⼯制作模型再 画设计草图。） 东西做完了，就设计完了，⽽不是先设计好了，再去做它。设计好了之后再去做，有点像以前的种 树，找地⽅找半天，种⼀棵树，「我靠成了！」有点这个意思。 现在，不⽤那么细，⼤概看⼀下，「诶，这块地不错」，有个「神枪⼿」划⼀块地，AGI
是你的主⼒ 军，直接开过去整块推品，这⾥⾯有什么机会，哪些地⽅能种树，都能找出来。

LLM 传 达想要它生成何种输出的指令。这为人们与 LLM 之间建立 高效、准确的“沟通桥梁”提供了可能性。什么“链式思考 1 1 （CoT）”、“自动推理并使用工具（ART）”、“思维 树（ToT）”……甚至运用心理学对 LLM 进行“情绪提 示（EmotionPrompt）”，提示词工程俨然在将 LLM 一 点一点解剖，试图让人类成为可以将其掌控的“咒术师”。 八、 AutoGPT 能的提升，比如每一个版本都比前一个版本都有较大的性能提升。 另外一个就是语法糖的包装越来越深厚了，也就是从之前的简单的语法糖包装 已经深入到了.NET 骨髓的 CLR 层面的语法糖包装，比如 JIT 优化上面的一些判 断和语法树对于 IL 语法糖的值传递进行骚操，以配合.NET 性能提升或者语法的 优雅，或者一些其它功能性上的传导。 这点可以看下分层或者 PGO 或者是循环提升这些方面的案例。 总之，.NET 8 算是

号系统，同时它作为知识的载体，自 然地存在大量数据可用于训练，还蕴含了人类的思维模式。 在此基础上训练得到的 LLM，自然具备被诱导出类人思考的潜力。在 COT（思维链）【4】、 TOT（思维树）【5】等技术的加持下，大模型正在学习拆解自己的“思维”，OpenAI 的 o1 就是 典型案例，强化了推理能力的同时，也大大缓解了幻觉问题。 2. 大模型做不到的，“现存工具”强势补位。 无法持续更新的知识库，可以通过 verified 第一位 （53%）。 基于代码大模型的自身进化，以及 RAG 技术、智能体的有力支持，从而 LLM 有更好的上 下文感知能力。例如，在代码大模型预训练时，其训练语料中加入抽象语法树（AST）、代码依 赖关系等数据，新的代码生成模型则具有更强的上下文感知能力。 41 / 111 在此基础上，基于 AI 的编程工具能够根据给定的上下文（如函数名、注释、部分代码等） 检索出最