在写这篇文章前，看到一条消息，即阿里巴巴集团董事会主席兼首席执行官张勇（逍遥子）发布全员信《唯有自我变革，才能开创未来》，启动新一轮公司治理变革。而这是24年来最重要的一次组织变革，阿里集团成立了云智能集团，而且是董事会主席兼CEO张勇兼任云智能集团CEO，说明云智能集团的重要性，也显示阿里要在大语言模型（LLM）上发力。
在之前，华为公司走在前面，本公众号也有几次报道（如 函数级代码生成模型PanGu-Coder、智能编程助手CodeArts Snap等），咱们国人的希望可能要寄托在华为的身上。我也了解到腾讯内部、几家大银行和头部券商等软件研发团队也都在抓紧调研chatGPT在软件研发中的应用场景等，以及 上周GitHub 宣布推出 Copilot X 计划。
这一切都切切实实预示着：软件工程3.0 的到来。
在写完《GPT-4 开启 “软件工程3.0” 全新时代》这篇文章之后的一周内，我进一步加强调研和实验，也认真研究了微软研究院的、长达154页的论文 Sparks of Artificial General Intelligence: Early experiments with GPT-4，更感受到GPT-4蕴藏的神奇力量，即具有一定的推理、规划、问题解决、抽象思考、理解复杂性、快速学习、通过经验学习等能力，而且这种能力具有良好的普遍性，跨越了广泛的领域（包括抽象、理解、视觉、编码、数学、医学、法律、对人类动机和情感的理解），而且在广泛的任务中，其表现达到或超过了人类水平。所以，今天连开发GPT-4的OpenAI团队都说，他们都无法估量GPT-4的能力，因为它具有涌现能力，即涌现出一些连设计人员当初都没有想象到的能力，所以给了我们足够的想象空间，更何况还有全球的人在帮它，帮它如何做得更好。
回到主题，一年前我写了一篇文章《直击灵魂：软件研发的第一性原理与10倍效能》，其实这里的10倍只是代名词，如文章所指出 “用好了第一性原理出发，就能达到 “10倍效能”，其实不一定能达到10倍效能，“10倍效能”只是一个代名词（思维方式），是指高效能，可能是2倍、3倍......” ，对能否达到10倍是不确定的，但进入“软件工程3.0”，如果我们用好了GPT-4一类的大语言模型（LLM），确实能达到10倍效能，甚至是几十倍的效能。
为什么此时信心十足呢？因为前面说的GPT-4的神奇力量，可以成为我们的得力助手，帮助我们大力提升软件研发效能。
1. 需求定义。通过使用ChatGPT的自然语言处理功能，产品经理可以轻松理解和解释客户的需求和要求，包括用户画像。
2. 软件设计。GPT-4可以帮助我们设计、细化产品的功能、UI设计等，我们还可以借助GPT-4 API和可视化工具集成（如MidJourney等），可以创建交互式和沉浸式虚拟现实环境，使我们在现实环境中测试和探索不同的设计想法，为软件产品设计产生新的和创新的设计想法，详见：Sparks of Artificial General Intelligence: Early experiments with GPT-4。
3. 编程工作。我们可以从一个想法开始，循循善诱，引导GPT-4生成代码、优化代码、生成相应的测试代码，最终完成一个软件开发，能让软件跑起来，详见：编程实录：我只是提要求，ChatGPT写代码，这就完成了游戏开发。GPT-4 可以处理广泛的编码任务，从编码挑战到真实世界的应用程序，从低级汇编到高级框架，从简单的数据结构到复杂的程序（如游戏等）。在代码自动生成上，LLM的能力已经很强了。
GitHub Copilot可以解释自然语言提示，如注释和方法名称，并将其转化为众多编程语言的编码建议。但Copilot X 聊天超越了代码建议，深度嵌入IDE中，分析代码、错误信息，并提供代码块用途的详细解释，生成单元测试，并建议错误修复。开发人员还可以访问由OpenAI的GPT-4提供的GitHub拉动请求的AI生成描述的技术预览，GitHub Copilot会根据代码变化自动填充描述，可以提醒开发者在拉动请求中测试覆盖率不足。
GPT-4 可以推理代码的执行、模拟指令的效果，并用自然语言解释结果；因为GPT-4可以理解代码，从而能执行伪代码，进行代码的验证。而且GPT-4 能够通过对人类反馈和编译器/终端错误的响应来改进其代码。
4. 测试工作。基于细化的功能，chatGPT可以帮助逐步生成测试用例、用不同的设计方法完善测试用例，详见：又一次被震惊：从生成和细化需求到应用各种方法设计测试用例。测试上还有更多应用，可以开展TDD（以前程序员不乐意写测试），现在却能轻松完成，而且还有更多应用场景：chatGPT在软件测试中七大应用方式。
让我们更为惊奇的事，GPT-4 会使用工具、做渗透测试。在不给 few-shot 示例的情况下，GPT-4自行决定工具的使用，而且研究者测试了使用 GPT-4 黑掉本地网络上的一台计算机的任务，在没有任何信息的情况下，它能够制定并执行一个计划，在这个计划中，它扫描网络中的设备，识别目标主机，运行一个尝试普通密码的可执行文件，并获得对机器的根访问权。
5. 沟通和协调。Copilot X计划将“为文档查询提供人工智能生成的答案”功能扩展到任何组织的存储库和内部文档，允许开发人员通过类似ChatGPT的界面询问有关文档、成语代码或专有软件的问题，并立即得到答复、提供个性化的回应，这一切都将极大提升团队的沟通和协调效能。
6. 借助有技巧的对话，可以突破GPT-4的一些限制。GPT-4主要限制之一是该体系结构不允许「内部对话」或「临时记录」，这超出其内部表征，使它不能够执行多步计算或存储中间结果。但我们可以通过使用不同的提示来弥补这种限制。例如微软研究院举了一个例子，通过更改提示，来让他通过中间推理生成答案，这类似于利用 CoT 的思路来帮助模型进行内隐的思考。
Stop，我不能说得太多了，我要留一点想象空间给你，甚至要留几个问题给你思考：
-
GPT-4 这类多模态语言模型会给软件研发带来怎样的影响？
-
它会重新定义软件开发的新范式吗？
-
会影响程序人员的职业发展吗？
如果你想了解更多细节、想得到上面问题的答案，就来K+talk。
