Software 3.0 编程范式的革命来了

公司购买了 Cursor，我也可以愉快地使用它来帮我干活了。不管愿不愿意承认，有些程序，Cursor 写得比我写得更好更快，特别是我不太熟悉的前端，比如 React。我写一个组件可能要花半个小时，而 Cursor 可能只需要几分钟。

仿佛又回到了当年干 Product Owner 的时候：我只管定义需求，定架构，提点技术上的要求和建议，然后就交给 Cursor 去实现就好了。当 Cursor 实现需求之后，我再验收它的成果，不满意就让它改，直到我满意为止。

回顾一下我所经历的软件开发方式, 从最开始的软件 1.0, 到现在的软件 3.0, 世界变化太快了.

软件开发方式经历了 3 次重要的范式转变：

• Software 1.0：程序员写规则，写代码，机器执行。
• Software 2.0：程序员提供数据，训练模型，机器学习规则。
• Software 3.0：程序员提供需求，写 prompt，机器生成代码。

而现在，我们正在大踏步迈进 Software 3.0 时代。

三代软件开发范式对比

Software 1.0：人写规则

def is_spam(email_text: str) -> bool:
    spam_keywords = ["buy now", "free", "click here"]
    return any(k in email_text.lower() for k in spam_keywords)
````

所有逻辑都是人写的，规则越多代码越复杂。

---

### Software 2.0：人喂数据，机器学规则

```python
from sklearn.naive_bayes import MultinomialNB
from sklearn.feature_extraction.text import CountVectorizer

texts = ["free money", "hello friend", "win a prize"]
labels = [1, 0, 1]  # 1 是垃圾邮件

vec = CountVectorizer()
X = vec.fit_transform(texts)

model = MultinomialNB()
model.fit(X, labels)

程序逻辑不再硬编码，而是“学出来”的。

Software 3.0：人讲需求，机器写代码

给 Cursor 或 ChatGPT 下一个指令：

写一个 REST API，支持添加、删除、查询用户，用 Go 和 SQLite 实现。

几秒钟，代码就生成了。甚至能帮你写测试和文档。

软件开发，变成了人机协作

开发流程也正在改变：

一个例子：垃圾邮件识别的三种方式

Software 1.0：手写规则

def is_spam(text):
    return "免费" in text or "点击查看" in text

Software 2.0：训练模型

# 用机器学习训练分类器

Software 3.0：直接问 AI

请判断这段文字是不是垃圾邮件：“点击查看中奖名单”

新问题也随之而来

1. AI 有时会“胡说八道”（hallucination）
2. 安全性难保障
3. 代码的归属与合规问题
4. 缺乏解释能力与调试线索

程序员应该怎么应对？

学会写好 Prompt（提示工程）

把需求、边界、输入输出格式讲清楚，才能让 AI 给出好结果。

做好架构设计与接口定义

AI 擅长写实现，但不擅长做架构与分层设计。

成为“AI 生成代码”的审核者

我们不再是“码农”，而是产品经理、审稿人、技术评审、测试工程师的合体。

保持学习，掌握 AI 工具链

如：

• GitHub Copilot / ChatGPT
• LangChain / AutoGen / LlamaIndex
• 向量数据库（pgvector / Weaviate）

写在最后

Software 3.0 并不会“淘汰程序员”，但会淘汰那些不会用 AI 的程序员。

未来已来，拥抱变化，拥抱 AI, 我不相信程序员会被替代, 只是程序员需要从改变自己开始.

我的一位同事问道, 是不是将来不需要咱们这些有经验的程序员, 只需要一些年轻的程序员, 他们只需要知道如何使用 Cursor 或者 ChatGPT 来写代码, 就可以完成工作.

我回答说, 不会的, 程序员的价值在于, 他们能够深刻地理解需求, 设计适合的系统, 驾驭不同的工具, 包括各种 AI 工具, 持续不断地交付价值. 有经验的程序员能够指导 A I 向正确的方向发展, 并且用他们丰富的经验来防止 AI 犯错, 给 AI 纠错, 这时候技术品味, 判断力会更重要, 过去的经验和教训会更有价值.