Martin Fowler，敏捷宣言创始人及《重构》作者，认为大语言模型对软件开发的变革堪比从汇编到高级语言的转变。LLM不仅提升抽象层次，更引入"非确定性"编程范式，迫开发者重新思考与机器交互方式。这种从确定性到非确定性的转变是前所未有的根本性变革，将重塑编程本质，需要开发者适应新思维，尽管会失去某些确定性，但也可能收获难以预见的创新。

---

Martin Fowler 是全球知名的软件开发专家，他是敏捷软件开发宣言的 17 位创始人之一，并在软件设计、重构和领域驱动设计（DDD）等领域具有深远影响。他最著名的著作是《重构：改善既有代码的设计》，成为全球程序员必读的经典之一。

前段时间，Martin Fowler 也分享一篇关于对 LLM 看法的文章。

我把原文扔给大模型了，译文如下：

大语言模型：编程本质的颠覆性变革

和这个领域的大多数 “话痨” 一样，我一直密切关注生成式 AI 系统在软件开发中可能扮演的角色。

我认为，大语言模型（LLMs）的出现对软件开发的变革程度，堪比从汇编语言到第一代高级编程语言的转变。

语言和框架的进一步发展，虽然提升了我们的抽象水平和生产效率，但并未从根本上改变编程的 “本质”。

而大语言模型带来的影响则达到了这一程度，而且其特别之处在于，它不仅提升了抽象层次，还迫使我们重新思考，使用非确定性工具进行编程意味着什么。

从确定性到非确定性：编程范式的维度拓展

高级编程语言（HLLs）引入了一种全新的抽象层次。使用汇编语言编程时，我得琢磨特定机器的指令集。哪怕是执行简单操作，也得研究如何将数据移入正确的寄存器来触发这些操作。

而高级编程语言让我能够从语句序列、用于抉择的条件语句，以及对数据集合重复应用语句的迭代语句的角度来思考编程。

我还能在代码的诸多方面引入名称，明确各值所代表的含义。早期的编程语言当然存在局限。我职业生涯编写的第一段代码用的是 Fortran IV，那时的 “IF” 语句没有 “ELSE” 子句，而且我得记住，整型变量名必须以字母 “I” 到 “N” 开头。

放宽这些限制并采用块结构（比如 “IF 语句后可以接多条语句”）让编程变得更轻松（也更有趣），但本质上仍属于同一类改进。

如今我几乎不写循环语句了，会下意识地将函数作为数据传递 —— 但和当年在多塞特荒野上用 Fortran 编程相比，我与机器 “对话” 的方式在本质上并无二致。Ruby 比 Fortran 复杂得多，但二者有着相似的 “气质”，而 Fortran 和 PDP-11 机器指令之间就不存在这种共性。

拥抱不确定性：软件开发的新生存法则

到目前为止，我只是浅尝辄止地接触过一些顶尖的生成式 AI 工具，但听朋友们和同事们分享他们的使用体验时，我还是深感着迷。

我坚信，这是又一次根本性变革：用提示词与机器 “对话”，和使用 Ruby 编程的差异，就如同 Fortran 与汇编语言的差异一样巨大。但这不仅仅是抽象层次的巨大飞跃。

我编写 Fortran 函数时，编译一百次，得到的结果中出现的错误都是一模一样的。大语言模型引入了非确定性抽象，所以我不能简单地把提示词存进 git，就指望每次都能得到相同的结果。正如我的同事比尔吉塔所说，我们不仅在抽象层次上 “向上” 迈进，同时还 “横向” 踏入了非确定性的领域。

插图：Birgitta Böckeler

在工作中学习使用大语言模型时，我们得摸索如何应对这种非确定性。这种变革十分剧烈，也让我兴奋不已。

我肯定会为失去的某些东西感到惋惜，但也会收获一些目前鲜有人能预见的成果。在我们这个行业的历史上，这种非确定性的演变是前所未有的。

AI时代，未来的就业机会在哪里？

答案就藏在大模型的浪潮里。从ChatGPT、DeepSeek等日常工具，到自然语言处理、计算机视觉、多模态等核心领域，技术普惠化、应用垂直化与生态开源化正催生Prompt工程师、自然语言处理、计算机视觉工程师、大模型算法工程师、AI应用产品经理等AI岗位。

掌握大模型技能，就是把握高薪未来。

那么，普通人如何抓住大模型风口？

AI技术的普及对个人能力提出了新的要求，在AI时代，持续学习和适应新技术变得尤为重要。无论是企业还是个人，都需要不断更新知识体系，提升与AI协作的能力，以适应不断变化的工作环境。

因此，这里给大家整理了一份《2025最新大模型全套学习资源》，包括2025最新大模型学习路线、大模型书籍、视频教程、项目实战、最新行业报告、面试题等，带你从零基础入门到精通，快速掌握大模型技术！

由于篇幅有限，有需要的小伙伴可以扫码获取！

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

5. 大模型行业报告

行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

6. 大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

为什么大家都在学AI大模型？

随着AI技术的发展，企业对人才的需求从“单一技术”转向 “AI+行业”双背景。企业对人才的需求从“单一技术”转向 “AI+行业”双背景。金融+AI、制造+AI、医疗+AI等跨界岗位薪资涨幅达30%-50%。

同时很多人面临优化裁员，近期科技巨头英特尔裁员2万人，传统岗位不断缩减，因此转行AI势在必行！

这些资料有用吗？

这份资料由我们和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

大模型全套学习资料已整理打包，有需要的小伙伴可以微信扫描下方CSDN官方认证二维码，免费领取【保证100%免费】