Martin Fowler ·

片段：2026年2月9日

💡 原文英文，约1100词，阅读约需4分钟。

📝

内容提要

马丁·福勒对AI时代的软件开发未来表示怀疑，认为过度依赖大型语言模型（LLMs）可能增加开发者的认知债务，影响学习和模型构建的乐趣。他还提到非人类可读的代码表示形式可能成为新趋势。

🎯

🔎

马丁·福勒提到，过度依赖大型语言模型（LLMs）可能导致开发者的认知债务增加。这意味着开发者在使用LLMs时，可能会失去对软件构建过程的深入理解，从而影响他们的学习和成长。因此，团队需要采取措施，确保对LLMs生成的代码有足够的理解，避免依赖造成的知识空白。

福勒指出，程序员对LLMs的担忧不仅在于工作安全，还在于编程乐趣的减少。模型构建的过程是许多开发者享受编程的关键部分，过度依赖LLMs可能使这一过程变得不再重要。因此，开发者应关注如何在使用LLMs的同时，保持对模型构建的投入和热情。

在LLMs的时代，源代码的定义可能会发生变化。福勒提到，非人类可读的代码表示形式可能成为新趋势，这可能会影响开发者的工作方式。开发者需要关注这种变化，适应新的编码方式，以确保在复杂系统中仍能有效沟通和理解代码的行为。

❓

马丁·福勒对大型语言模型（LLMs）的价值持怀疑态度，认为过度依赖可能增加开发者的认知债务。

使用LLMs可能导致开发者失去学习和理解构建软件的乐趣，从而影响他们对软件系统的理解。

认知债务是指开发者在使用LLMs时，可能失去对软件系统的深入理解，从而影响他们的学习和知识积累。

在LLMs时代，源代码的定义可能会出现非人类可读的代码表示形式，导致编程的抽象程度提高。

程序员担心LLMs会减少编程的乐趣，尤其是在模型构建的过程中，同时也担心工作安全。

语言工作台是一类工具，依赖于语义模型，可能会在LLMs的影响下重新引入一些工具的想法。

🏷️