1
几十年来，在我们的世界里，创造的声音一直是键盘的敲击声。从地下室到窗明几净的办公楼，从单打独斗的黑客到庞大的软件帝国，这种密集、清脆的声响，意味着思想正在转化为机器可以理解的指令。我们把这种转化过程称为“编程”，并且长久以来，我们都默认一个好程序员和一个打字飞快的程序员之间，存在着某种必然的联系。
写出简洁、优雅、高效的代码，是一种手艺。它像木工精心打磨一个燕尾榫，或者像诗人反复推敲一个词语。我们为此感到骄傲。我们发明了各种方法论——敏捷、测试驱动开发、领域驱动设计——来更好地组织这种手艺。我们争论更好的语言、更优的框架、更便捷的代码编辑器，这些争论的本质，是在探讨哪一套工具能让我们这门手艺发挥得更淋漓尽致。当您的代码编译通过，运行无误，且逻辑清晰到足以让几个月后的自己一眼看懂时，那种满足感是真实而深刻的。
然后，智能 GitHub Copilot 副驾驶(R)出现了。
2
从机器码到汇编，再到 C 语言、Lisp 或 Python，每一次进步都让我们从底层细节中解放出来，可以专注于更复杂的问题。您可以无需关心寄存器分配就能构建网站，无需手动管理内存就能分析数据。每次抽象化，都让旧技能变得次要，同时也催生了对新技能的需求。
生成式 AI 技术，是迄今为止最极致的一次抽象。我们正在从“指令式”编程，缓慢地转向“意图式”编程。您不再需要逐行告诉计算机“如何”做一件事，而是越来越多地在描述您“想要什么”。您的工作，正在从一个工匠，变成一个建筑师，甚至是一个项目的总监。
过去，我们说一个程序员有品味，是指他能写出漂亮的数据结构，设计出解耦的模块，或者对算法的选择有独到的直觉。现在这位“总监”需要具备一种新的“品味”（Taste）。新的品味体现在三个层面：
第一，是对“问题”的品味。当构建一个应用原型的成本从几个月缩短到几天甚至几小时，那么选择去解决“哪个问题”就变得至关重要。平庸的团队会用 AI 技术以十倍的速度制造出没人需要的东西。而优秀的团队，则会利用这个效率杠杆，去探索更大胆、更模糊、更有价值的问题。
第二，是对“模型”的品味。我们很快就会像今天讨论用 React 还是 Vue 一样，去讨论一个特定任务应该用更高级别的模型，还是用一个轻量级的、在特定领域数据上微调过的模型。这不再是一个纯粹的技术选择，它深刻地影响着产品的成本、响应速度、用户体验，甚至产品的“性格”。
第三，是对“交互”的品味。在 AI 原生应用中，用户界面正在从按钮和表单，演变为对话和意图的流动。我们过去设计的，是用户在一个固定流程中的点击路径。而现在，我们要设计的，是一个足够智能、有上下文感知能力、并且能容忍模糊性的“代理”（Agent）。
您看，这三者——对问题的品味、对模型的品味、对交互的品味——几乎都与“编写代码”这个传统动作无关。代码变成了连接这些更高层次决策的胶水。AI 工具，无论是智能 GitHub Copilot 副驾驶(R) 还是更强大的定制化模型，它们像一个强大的杠杆，将您的“决策”放大了。一个好的决策，能通过 AI 技术产生比以往大得多的正面效果。同样，一个坏的决策，也会造成巨大的浪费。
3
微软为开发者设计的这一系列工具和平台，在我看来，正是顺应了这个趋势。它们不是简单地给您一把更快的“锤子”，让您更高效地去敲钉子。它们是在提供一个全新的“建筑工地”，工地上有能自动执行指令的机器人（生成式模型），有智能的测量和规划工具（AI 工具链），有预制好的、高质量的建筑模块（云服务）。而您，作为开发者，是这个工地的总设计师和总指挥。您的视野、您的决策、您的品味，决定了最终建成的，是一座平庸的仓库，还是一座能启发人心的宏伟教堂。
键盘的敲击声或许会渐渐稀疏，取而代之的，是更长时间的、凝视着白板的沉默思考。这沉默，是新的价值尺度。创造的本质并未改变，只是它向上游移动了。我们依然是创造者，只不过，我们手中的画笔，变得前所未有的强大。别怕，去画出那些我们过去甚至不敢想象的东西