一位资深软件开发工程师自述：我写代码已经45年了。那时候“内存”是按字节算的，不是千兆字节；“bug”几乎就是字面意思上的虫子——真能在机器里找到的那种。
这四十五年里，我看着编程语言从汇编到C，再到Java、Python一路进化。但无论怎么变，有个基本事实始终没变：机器只认字面意思。如果我让电脑做X，它却做了Y，那一定是我指令写错了。不是因为电脑误解我的语气、不喜欢我的态度，或者今天心情不好。
对神经多样性的大脑来说，编程不止是职业，更是个避难所。
但如今，随着我们转向生成式AI和大语言模型（LLMs），那个避难所正在消失。我们从明确指令的世界，掉进了暗示说服的世界。对神经多样性程序员而言，这不只是技术转向，而是失去了唯一真正对我们有意义的语言。
黑箱问题
我们常说神经网络是“黑箱”，因为不清楚它们怎么得出答案。但讽刺的是：神经典型者的大脑对我们来说也是个黑箱。
我们当年涌向计算机，是因为它们是透明的盒子——能看到寄存器、追踪执行栈、检查变量。
现在用自然语言模型代替明确代码，等于造了台模仿神经典型大脑的机器：它依赖语境，暗示而非明说，还错得理直气壮，频率刚好让你怀疑自己是不是疯了。
语法的避难所
要理解这种转变为啥让人难受，得先说说“心理理论”。
心理学里，心理理论是指能把自己的心理状态、信念、意图、欲望、情绪归到自己或他人身上，明白“我心里想的”和“你想的”不一样。对很多神经多样性的人来说，这是个累人又费劲的过程。应付一场晚宴都得不断实时计算社交信号、潜台词和隐藏动机——比如我跟同事说“我们要出去喝一杯”，这是暗示邀请还是单纯分享消息？要是单纯分享，你说“太好了走吧”就显得粗鲁冒失；要是邀请，你说“哦挺好的”又显得不友好。为啥人们就不能把话说清楚？
编程完全不需要心理理论。
编译器没隐藏议程，没什么“心思”好揣测，只按纯粹的逻辑运行。
人际互动：“我没事”（可能是开心、生气、累了，或“走开”）。
电脑互动：return 0;（意思是函数成功结束）。
45年来，集成开发环境（IDE）是个安全空间，社交规则在那儿不适用。反馈很直接，但诚实。语法错误不是对你品格的评价，只是说少了个分号的事实陈述。我记得早年还想过：“你知道少了分号，为啥不直接加上？”答案当然是编译器没心理理论，也不“知道”我想要啥。
模糊性的入侵
人工智能来了。
有人说“英语成了最火的新编程语言”，让我们“提示”机器。但写提示词不是编程，是谈判。
给大语言模型写提示词时，我们突然被拽回格莱斯准则的混乱世界。哲学家保罗·格莱斯提出，有效沟通靠“合作原则”——关于数量、质量、关联和方式的规则。
人类总违反这些规则：用讽刺（违反质量）、东拉西扯（违反数量）、被动攻击（违反方式）。传统代码却严格执行这些准则，简洁、真实、切题。但大语言模型呢？它会胡编乱造（违反质量），你要布尔值时它给冗长花哨的解释（违反数量），还得你调整输入内容才能出对结果。
突然间，源代码也像日常聊天一样充满歧义。我们得猜模型对某种措辞“感觉”如何，简直是在给一堆浮点数矩阵做心理疏导，就为了让它写条SQL查询。
一个差点出事的模糊性例子
有位飞行员需要复飞，告诉副驾“takeoff power”（设置起飞功率）。不幸的是，副驾听成了“take off power”（关闭动力），于是把引擎设成怠速。雪上加霜的是，空中交通通讯都用英语，可这不是这些飞行员的第一语言。很难说护栏或语境锚定能帮上什么忙。
确定性的香农极限
我其实认识克劳德·香农。我们住同一个镇，高中大学时我是他女儿的好朋友，还一起加入了MIT杂耍俱乐部。
对只在课本里见过这名字的人来说，香农是“信息论之父”，他意识到所有信息都能用二进制数字——比特表示，给了我们数字确定性的基本单位。
在香农的世界里，“比特”是衡量不确定性减少的单位，是回答一个是非问题的答案，是歧义的数学对立面。
过去45年写C或Java代码时，我们住在香农建的房子里——摆弄比特，消除不确定性。每行代码的目标都是消除噪音，让信号完美。
但大语言模型用的是香农理论的另一部分：英语的熵。香农曾估算书面英语的“熵”（即不可预测性），明白人类语言有冗余和统计规律——这正是现代AI的工作原理：利用语言的统计冗余预测下一个词。
但问题在于：预测不等于精确。
从传统编码转向提示工程，我们是用比特（绝对确定）换了令牌（概率可能性）。离开了编译器无噪音的通道，重新蹚进语言熵的沼泽——而这沼泽正是香农帮我们用数字逻辑铺平的。
决定论vs概率论：“大概”带来的焦虑
最深的不适来自数学层面。
几十年来，我们活在决定论世界里：如果P，那么Q。这是一种非此即彼的安心，可验证、可复现。
AI带来了概率论世界：Q在P条件下的概率（P(Q|P)）。
当我让AI写代码，它不是“知道”代码，而是基于海量数据集预测下一个最可能的令牌，靠感觉和统计可能性运行。
对习惯模式和严格系统的神经多样性思维来说，这是深深的不安。我们从“对或错”的系统，转向了“够好就行”的系统。
旧世界：花3小时调试，因为逻辑有漏洞。
新世界：花3小时“提示工程”（其实就是找魔法词说服黑箱听话），再花3小时验证生成的代码对不对（你确实检查了吧？）
接下来怎么办？
我不是卢德分子（反对技术进步的人），每天都用AI——它是个强大工具。但我为失去二进制的避难所感到惋惜。
我们正进入一个时代：编程会更像外交而非架构，奖励擅长语言细微差别和说服的人——这些技能传统上更偏向神经典型者。不过反过来，直觉跳跃可能反而适合神经多样性者。
对那些几十年在编译器错误的绝对真理里找到慰藉的人来说，我们得学新技能：学会容忍机器的模糊性，就像学着容忍世界的模糊性一样。
但我会怀念那些日子：我说什么意思，机器就做什么，一字不差。
