谷歌最新的代码中，居然有1/4是由AI写的，这到底是不是真的？程序员是不是又要失业了？大家好，欢迎收听老范讲故事的YouTube频道，咱们来讲一讲谷歌代码的事情。

首先，上面这个消息是哪来的？谷歌在发布三季度财报的时候，开了一个电话会议，由Alphabet的CEO皮彩直接在财报电话会议上讲的。他说我们现在至少有1/4的代码是由AI生成的。人干嘛去了呢？读这些代码，然后再把它确认入库，就像是AI建议大夫怎么开药，大夫开完药以后要在下面签名字一样。现在他是这么来工作的。

其实现在各个公司都在讲这个事情，百度宣称他们的代码里头有27%是由AI生成的，阿里呢，宣称他们最新的代码里头大概有20%是由AI生成的。当然，这个里头，百度应该是在骗人。

那你说为啥呀？有25%的，有20%的，有27%的，咋这27的就骗人了呢？大家要注意，甭管是谷歌说的至少1/4，还是阿里说的20左右，这个数其实都是一个大约的数字，或者说是一个概念性的数字。而这个里面，一旦提到一个很具体的数字，比如像27%这种数，那么这个数通常不会是真的，因为你很难去统计到底哪一行代码、哪一个字符是由AI生成的。你到底是按照行数，还是按字符数，还是按照什么样的方式来去统计比例，这个事情其实是没有一定之规的。

所以真正能够去验证说代码到底有多少是由AI写的，只有一个方法：你开除了多少程序员。原来10个程序员写代码，现在剩8个了，那你20%代码是AI写的；原来5个程序员写代码，现在剩4个了，开了一个，那你25%的代码是由AI写的。那这个里头，你到底能不能算到一个27%这样的一个有零有整的数据呢？这个大概率在骗人。

那咱们讲到开人的事情了，谷歌的程序员肯定就不乐意了嘛，上来说：“我们不承认这个事，你凭什么说我们25%的工作都是由AI做的？这不行，你是要降薪呢，还是要裁员？咱得把话说清楚，咱不能随便一张嘴就来这个事。”

当然，谷歌说这个话，包括百度、阿里说这个话，咱们能够理解他。为什么？因为人家是要靠AI来挣钱的。如果你自己不在身上贴个标签来，我也用AI了，你怎么好意思把AI的产品卖给别人呢？所以这个话人家还要说。其实，真正在里头挣到最多钱，或者说用户量最大的那个产品，他们公司啥也没说。最大的产品是谁？是微软的GitHub Copilot，这个是AI编程工具里的老大。但是微软从来没有出来说过，我们家百分之多少的代码是由AI写的。这已经不需要去争辩了。

其他需要追赶的厂商，挨个儿要出来说。当然，百度呢，属于是想去吹个牛，结果还没吹好的那种。人家20%、25%，他整了27%，稍微有些丢人。那么，从程序员的角度上来说，到底有多少代码是由AI生成的呢？因为我自己也是程序员，虽然现在只能算业余程序员。当然，有了AI编程以后，我觉得我这个业余程序员又行了。现在我的编程能力蹭蹭蹭的往上涨，我现在可以去学习一些原来不会的编程技术，因为我并不需要把一本书看完了。我只需要问GitHub一些问题，然后到VS Code里头用GitHub Copilot，就可以去进行新技术的使用，去编程去了。这还是非常开心的一件事情。

我们要去衡量，到底有多少代码是由AI自动生成的，这件事本身其实没什么意义。为什么呢？很早的时候，我应该是在2007年，在Borland的公司任职的时候，当时我们的开发工具里头就有这种代码自动补全的功能。只是当时的代码自动补全，它是根据你整个项目的编译结果来进行补全的。但是他的补全也不像现在这样，你可以补出一个完整的函数来，或者补出一整段代码来。他能干嘛呢？就是当你去一个地方，说我现在要补全这一个单词后半截，他是可以做到的；或者是说我需要去填参数，需要去填空的时候，他会给你一个比较好的建议，比如说，这里应该是填一个什么样的参数，什么类型的，你前面有没有定义过这样的东西。

可能是哪个哪几个里面去挑一个。他可以把这个约束条件收束得比较紧，然后让你一次性命中，或者可能一两次就可以命中。你真正要去填的这个东西，已经可以极大地提升效率了。这是在很早就开始有的。而且我们写程序这件事呢，我们经常干这种叫“一句顶一万句”的事情。

什么叫“一句顶一万句”？前两天跟一个语言学家去聊天的时候，他给我讲了一个事情。我们问他说，语言发展的方向是什么？人类语言发展的方向是什么？他给我们讲说，全人类的语言发展方向都是变得越来越简单。因为像西班牙语、俄语这种又非常复杂的各种格式的语言，现在都在变得越来越简单。因为你要交流、要沟通嘛。而且会有越来越多的这种代词，会有一些新的词汇产生。这些词汇可能原来会有一个很复杂的意思，他就用一个缩写，或者用一个很简单的词就给你带过了。

它是这样的一个发展趋势。人类可能说的话始终就是这么多，但是呢，我们这个话语里边所表达的含义，会变得越来越丰富，信息密集度越来越高。而且在这个过程中呢，各种对格式的要求会变得越来越低。当时他讲完那个故事以后，我就想起了我们程序员的一句顶一万句了。

我们使用的叫类库（class library）。原来你要去写程序的时候，你要写说：“我在屏幕上哪个点画一个红色，画一个绿色，下一个点再画一个什么颜色，拼起来是个按钮或是什么样的。”以前你要这么来写程序，但是现在的话，我们只需要告诉他说：“请给我画一个按钮，下头有个阴影，什么样的字体，给我写什么字上去就完事了。”那中间执行的部分都是谁来执行的呢？就是类库来执行。

你下一次说：“我连这个按钮具体想摆在什么地方我都不想告诉你了。”那你可以告诉他什么呢？你说：“请给我按照横向平均排列，比如三个按钮横着了。”他给你均匀地排开，或者你给我按照纵向什么排列。为什么我们后来这么写程序，不再告诉他你给我从左上右下去写？这个其实很简单，因为我们后面面临的各种设备越来越多，各种设备的分辨率是不一样的。

你如果每一次都写死了，说请给我从左边哪个点开始画，上面哪个点开始画，右下哪个点结束。你换到不同的设备上，长的位置不一样。所以我们后来都是改成说，请按照一个比例，给我画在一个什么位置上。那甭管你用什么样分辨率的设备，我们都保证这个按钮是在一个相应的比例的位置上。基本上是一句顶一万句。

那你要这样算的话，我们可能写了几百行的一个代码，但是呢，实际上这个代码编译了以后，可能有几十万行，或者有几百万行，因为你每一句后边，可能都调用了非常多的底层程序去工作。所以你说我来算一下，到底有多少代码是由人写的，有多少代码是由AI写的，或者人写的多少代码去调用了AI写的多少代码，或者AI写的多少代码去调用了人写的多少代码，这个事其实是没有什么意义的。

所以为什么我说百度，这个稍微有点夸张，27%算的还有零有整了。那么到底什么样的代码适合AI生成呢？有各种各样的地方都可以写代码。你说C代码适合AI生成，Python代码适合AI生成，Java代码适合AI生成，这个都没有什么意义。现在呢，AI代码生成器是我们常用的代码，都是可以生成的。

那么到底什么样的代码更适合AI生成，应该怎么去分类呢？我们分成四类：界面代码、逻辑代码、算法代码和接口代码。一般写程序大概率就是这4种东西。

什么叫界面代码？就是刚才我描述的，哪个地方写一个按钮，按钮什么颜色，字是多大字，字体什么样的，字写什么颜色，摁了以后该怎么办，这个东西呢就叫做界面代码。

哪一部分叫逻辑代码呢？逻辑代码就是，比如说你现在要去做一笔交易，这个交易我应该先确认一下库存够不够，然后确认库存够了以后，我在库存里扣除你的钱，把东西发快递发给你，然后把钱存到我自己账户里去。这一部分呢叫逻辑。

然后呢，算法代码，比如说我现在需要做个排序，需要做个查找，需要做一个很复杂的分类，这个东西呢就属于叫算法。特别是像现在做AI算法这一块，要求会越来越高。

还有一块程序叫接口程序。接口程序干嘛呢？比如说，我今天要使用谷歌的账号来进行登录，我就需要去查一下谷歌的文档，谷歌账户登录的这个API应该怎么去写。我应该先到谷歌哪个地方去申请这个权限。申请好权限以后，得到一个叫做TOKEN的东西。然后呢，再把这个TOKEN放到我们自己代码里去，按照谷歌的文档去调用某一个接口，把TOKEN放上去，说明现在我要用这个TOKEN，然后用谷歌的账号去登录。

得到了谷歌账号登录以后的一个凭证，之后我们在网上做各种操作的时候，就可以使用谷歌账号登录以后的凭证，再去申请各种各样的权利。这部分呢，实际上就属于接口代码。这四个里面，逻辑代码跟算法代码相对来说没有那么容易被替代，而剩下两部分，界面代码跟接口代码呢，相对来说是比较容易被AI所取代的。

而接口代码呢，是更容易被AI取代的。为什么呢？因为你不需要好看的界面代码，界面好不好看这件事是要靠人来看的，这个事情你没法完全被AI取代。但是接口代码是可以完全被AI取代的。像刚才我们讲的百度、阿里、谷歌，他们所使用的代码里头，接口代码的数量占比是比较高的。像公司内部这么多的分子系统，需要跟公司外部的各种系统去连接，所以他们需要大量的接口代码，这部分完完全全都可以交给AI去处理，而且AI会处理得非常好。

你不需要去看文档了。比如说，我举一个例子，我前两天希望在我的一个程序里边使用谷歌家的Firebase这种大数据库。原来你需要干嘛？看文档，看各种的接口，再进行一步一步的配置。因为你可以直接从Web端访问这种云端数据库，所以它在安全处理上做了非常多的认证，这不是那么容易的。我就交给AI了，我说我现在要干这个事情怎么办。它说，行吧，我给你搞定吧。你第一步先到谷歌那去申请这个授权。我说申请完了，那行了。然后它说，下面我们去执行哪一个命令。

这个命令就可以自动化地帮你做完所有的配置。然后我就开始做这个命令，做完了以后说，谷歌上你申请了哪些项目？你现在想把你这一个APP所使用的数据库挂在哪个项目的授权里头去。然后只要选一下，剩下都不用管了。他在问你说，你这个应用是要在Mac OS、Windows、iOS、安卓、Web，需在哪些端跑。先是打勾，打完勾以后，一按确认，他就呲咔嚓嚓嚓咔给你去搞去了。可能在这个过程中，他就生成了几百行、上千行代码，把所有的配置给你做完。这就是挺好的事情嘛。

现在呢，有非常多的成熟的AI编程工具。我最早使用的AIGC工具实际上就是Github Copilot，它就是AI编程工具，非常好用。现在呢，我自己个人使用最多的AI变声工具还是GitHub Copilot，那没办法，我交了100美金给他，我总要把这一年使完。虽然很多人都说Cursor好用，我也确实用了一段时间，在他给我的免费试用期里试了一下。但是现在看来呢，我觉得Github Copilot还是很好用的，可以把Cursor基本上扔掉了。为什么呢？就是底层的模型还是做得很好的嘛。

你像Cursor自己，底层的模型也是用的GPT-4O，GPT-4O MINI，用的GPT-o1以及Cloud 3.5 Sunnet。现在Github Copilot也是把所有的模型都扔进去了，而且下一步可能还会去开Gemini 1.5 Pro这样的模型进去。他的所有功能又非常完善，我觉得Github Copilot还是可以再战几年的。而且Cursor再怎么着，他需要20美金一个月，他一个月要找我多收10美金，还是觉得稍微有些心疼。

国内呢，有一大堆免费的产品，比如说阿里的通义零码，百度的叫文新快码，质朴的叫Codegeex，字节叫MARSCODE，就是火星代码。这些都不要钱，免费的大家可以随意去使用，效果呢其实都还可以。我用过字节的MARSCODE。

其他几个用的不多，基本上可以满足大家的需求。现在所有的这些工具做的，使用的方式都差不多。你只要向它提出要求，说我想去做什么，什么事情都是有聊天窗口。你直接提完要求以后，它给你生成代码。生成完代码以后呢，你只要说：“哎，我现在需要去进行合并了。”它就把新生成的代码直接跟你原来的代码进行比较。合并完了以后告诉你：“哎，这我给你加点什么，那给你改点什么。”你只要去确认就行了。确认完了以后，这些代码就合并到自己的代码库里边去。

或者说你直接在代码库里边打字的时候，它也会根据当前的情况给你做一些建议，使用方法都很像。另外呢，所有的工具都有代码解释。什么叫代码解释？就是你选中一段代码，问：“给我讲讲这段代码说什么。”以及改错误。遇到错误了，或者有什么错误信息出来以后，把这些东西扔给这些大模型的聊天窗口，问：“这到底咋回事，我应该咋改？”所有这些功能差不多，但也都有很多不方便的地方。

你比如说，我最近在学习一个新的开发环境，叫 Next.js，算是一个前端加后端的开发工具吧。实际上都是错的，因为分很多版本，不同的版本之间有不同的约束。每一次在回答问题的时候，它就忘记了你前面的约束是什么，然后就给你一些错误的代码。现在请给我把错误改掉，它也都给你改的没有问题，能给你改过来。但是你下次再要求它生成的时候，还是会有一些错误。你说：“哎，现在再去给我把这些错误都改了，通通通给我改回来。”这是可以工作的，但还没有那么顺畅。

那么程序员是不是又要失业了呢？百度的李彦宏就讲过说：“再过多少年就没有程序员这个职业了。”当时还引出周鸿祎以及一大堆的行业老大跟他对喷。那么程序员是不是又要没有工作了？这个里头呢还差那么一点点。现在那到底差在哪一点上呢？这个临界点到底是什么呢？临界点就是如果你完全没有受过编程训练，这些工具你使不了。什么意思？你说：“我就是个文科生，我这个程序一点都不懂，完全不知道。”

这个程序的架构是什么样的？什么叫面向对象？什么叫函数式编程？什么叫顺序编程？这些东西，比如说你都不了解，那所有刚才咱们讲的那些工具，就跟你都没啥关系了。等真到哪一天能够达到说“端到端，上帝说要有光，于是就有了光”的时候，那那个时候程序员就真的失业了。现在还不行，你还是需要经受编程教育，才可以使用刚才我们说的这些工具。

那你说这个临界点，是不是在近期就可以快速被突破呢？嗯，可以说是，也可以说不是。为什么呢？因为你去想一下，说你用嘴去描述一个应用需求的时候，你能说得清楚吗？有一些简单的通用化的需求，你可能能够快速地用嘴把它说清楚。对于这一部分来说呢，程序员确实没什么用了，你只要告诉他：“我现在想要什么东西”，马上就交给你了，这个事是可以的。但是所有的复杂需求，你用嘴一句说不清楚的，或者需要很多人去一起才能把一个事情定义明白的这种需求，这一部分呢，短期内或者说在相当长的一段时间内，这个临界点都是过不去的。

所以为什么说既是又不是呢？就是看你的需求到底是有多简单，还是多复杂。昨天还有一个朋友说：“哎呀，我想去学一下编程，想做一些应用。”后来我说：“你想干嘛？”然后提出来的那个应用的需求叫复杂呀。我说：“你再好好想想，你要看什么？你又没学过编程，何必要跟自己过不去呢？”

那么现在学习编程还有必要吗？还来得及吗？首先，现在还是建议大家去学习一下，只是呢，学法可能需要调整一下。就不需要像我当年上大学那么个学法了，我们可能只需要学一些基础知识，剩下的交给AI就完事了。我们上大学的时候，大量东西需要背，记忆这种事情，计算机永远比人强。所以未来计算机编程，肯定也是需要新的教学方式的。

再往后一个问题，什么样的程序员最容易失业呢？第一个，产品向的程序员其实是可以大展拳脚的。什么叫产品向程序员？就是他知道我做这个东西是为什么，我到底在解决一个什么具体的产品需求，而且可以去跟真正的需求方进行讨论，去确定产品需求的这些人。

或者说，他有一部分产品经历，职能的这些程序员，对于他们来说呢，未来大有可为。为什么呢？就是原来他们沟通明白了以后，还需要跟一些编码的程序员再去沟通，再去写一大堆程序，而且这个沟通成本还很高。

现在的话，他们只需要把前期的需求搞明白了，后面他自己就可以在AI的帮助下，快速地完成大量的代码了。然后，算法向的程序员呢，这个其实永远都不够用。你只要是能够把算法的效能提高一些，把一些原来做不了的事情能够做掉，这一块的需求是非常大的，特别是在AI时代，这一块的需求会变得更大。

那你说前端程序员呢？前端程序员，未来应该会更多地被设计师所替代。就是我能把画画出来了，那你这个程序就算写完了，不需要再通过这个画再怎么切，切完了以后再怎么一块一块拼起来。这一块其实就不太需要了。

因为以前我们去写程序的时候，都是先让设计师设计，设计完了以后呢，我们在写程序的时候，再把这个设计的稿件搬到这个程序的表达上面去，原来有这样的一个过程。以后呢，就不需要了，直接设计师就完事了。

当然，设计师说我也烦这了，别来烦我。设计师烦什么呢？这边还有文生图的很多模型，mid journey、达利，还有一大堆这样的模型，我都快失业了，你们不要来烦我。可能是未来会有一个过渡吧，有一段时间还是需要他们的。

等过完这一段时间以后呢，更多的可能是需要他们提出想法，然后再把大量的文生图所产生的结果进行判断，我到底要哪个，不要哪一个，或者拿到一些文生图的结果以后进行一些精修，这可能是未来的一个方向。

现在已经有一些公司里边出现这种岗位了，就是给机器人打工。机器干完了以后，这个图出来了，让美术去修这个图。原来一个美术可能还能挣个一万多块钱，没准只做得好的能有两三万。现在这种给AI修图的美术的话，一个月的薪水大概也就只剩五六千了。

原来写接插件的这些程序员，很多程序员原来是给接口写程序的，这些程序员呢，以后应该重新找找新出路了。

也只能言尽于此了。对于整个程序员行业来说，现在真正需要做的事情，不是说我到底应该向产品向程序员发展，是向前端程序员发展，还是说我应该去做一些算法，不是这个事情，而是什么呢？应该要找出更多的需求来。如果整个程序的需求量不上升的话，那么大量的程序员失业，这件事情是不可避免的。

所以现在呢，还是要去看看，我们到底能够用AI配合程序员做点什么事，这个是需要现在去思考的。未来AI程序的占比呢，一定会越来越高，甭管现在谷歌说的至少1/4，阿里说的20%，还是百度说的27%，未来这个数一定会越来越高的。而且程序员呢，也不像是很多设计师似的，一定要用笔画，没有这支笔了，我就失去灵魂了。程序员从来不讲究这种事情。

现在欧美的程序员已经大量的开始使用GitHub Copilot这样的AI编程工具，国内的我相信也是如此。你说我就不用这个玩意，除非你最后变成行为艺术，否则真的没有任何意义。人以后真正需要做的事情是什么？不是看代码，改代码，不是这些事情。人以后真正需要做的事情，叫提出问题。我到底要解决一个什么问题？我希望通过什么样的方式解决？我需要规避哪些东西？这个是人真正需要干的活。

然后呢，是检查结果。AI拿出来结果以后，你要去检查一下，是不是很好的依从了你前面的提示，还是说你前面的提示本身有一些什么样的问题？是不是有一些代码拼接接口的地方，有不合适的地方？有不合适的，我们就再拿出来修改一下，或者说再告诉AI说这里不对，再给我改一改。就哪怕我自己不会改也是如此。

你像我现在使用新的编程技术去写程序的时候，这个编程技术我除了一些大的逻辑清晰之外，其他的所有细节我都不知道。报的所有错误，都是人给GitHub Copilot说来给我改一下，出什么毛病了，在这个地方我希望怎么个改法，他就去给我认真的修改。只是比较费劲的就是屡教不改，这次犯了错误，下次接着犯，这次是改正了以后，下次接着改。

这个是让人稍微有一些烦恼。所以，人呢，就是提出问题，检查结果，最终再把一些新的问题处理掉。这就是人以后干的事情，找到更多的需求，才是避免大面积失业的一个唯一途径。我觉得现在咱们不用去纠结，到底是有多少代码是由AI写的，这个没有任何意义。

好，这就是今天跟大家讲的故事。感谢大家收听，请帮忙点赞，点小铃铛，参加Discord讨论群。也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

最新的AI智能编程工具Cursor又震惊了世界。这回程序员是不是真的要失业了？大家好，这里是老范讲故事的YouTube频道。最近，一个新的AI IDE，也就是集成开发环境，再一次出圈了。这个新的AI IDE的名字叫Cursor。为什么这一次出圈了呢？因为有两个8岁，或者肯定小于10岁的孩子，独自使用Cursor，在不需要进行大量的编程培训和教育之前，就可以写出一些相当复杂的应用出来了。甚至他们有些人可以自己写出ChatGPT的这种客户端，或者是一些3D的小游戏。

我们一般管这样的案例叫做“wow案例”。什么叫“wow案例”？我以前也是专门做IDE的这种推介的，我们经常会设计一些演示，观众会发出“wow”这样的声音。现在有没有经过学习的8岁小女孩，她就可以直接使用这样的工具，使用英语提示词，做出非常复杂的应用，而且是可以独立运行的应用。这确实是让人可以惊叹一下的。

放心，今天咱们尽量不讲编程技术，尽量去讲新的IDE会对整个行业带来什么样的改变。真正有趣的地方是什么？第一个大模型呢，其实不是它自己做的，它主要用的是Cloud 3.5、Sonic，以及GPT-4、GPT-4 Mini这样的模型。它自己也有一个模型，Cursor Small，但好像很少有人用这个模型。你可以选，但我基本上没有看到谁在选这个模型使用。绝大部分人使用的都是Cloud 3.5 Sonic。

至于GPT-4 O呢，你可以配置自己的API的TOKEN上去，就是使用自己的额度，当然也可以不配。他可以给你免费的14天，这个时候你可以使用Cursor的额度。另外，它还支持Gemini，但Gemini我配置了半天没有成功过。你只要把Gemini的这个API填进去以后，它就没有反应了，不知道为什么。至于其他的模型是不是可以使用，我现在还没有太搞明白。

有一些人号称国内的或者一些开源的这种代码生成模型也是可以工作的。我等回头学习明白了再跟大家讲。像这样的一个项目，主要模型不是自己的，那么它到底是怎么工作的呢？Cursor整个的IDE是在VS Code这样的开源IDE的基础上去修改出来的。我们去稍微看一下它的架构。

现在大部分的IDE，也就是集中开发环境，实际上是一种VS Code，微软家的。还有一种叫IntelliJ，这是另外一个系统，它应该不算开源。想要在这个上面去实现AI辅助编程，一般是两种状态：第一种是在VS Code或者IntelliJ上去加上插件，另外一种就是自己独立开发IDE。Cursor它是属于拿着VS Code的开源代码，在这个上面自己改了一个独立的IDE出来，等于在这个上面做了一个分支。

它是通过这种方式来实现的。Cursor里面应该是有一些提示词工程，所有的AI辅助编程实际上内部都是有提示词工程的。就是我们写到AI辅助编程工具里面的这些提示词，实际上都是要经过它这些系统内部的一些提示词模板，套完了以后再去工作的，而不是说这些工具直接把我们的提示词扔给大模型就可以干活了。

那么在这个过程中，它还需要做一些什么样的事情？第一个，它需要把我们的代码进行一定的处理，一起扔给大模型去进行回答。第二个，大模型拿回来的这个答案以后，它需要直接去修改代码，而不是说给我们一个建议，给我们一个聊天结果就完事儿了。这一块是AI辅助编程工具都要去做的。

那这里，Cursor肯定要比别人做得更好一些。Cursor其实是一个交互设计的胜利，并不是说一个基础大模型或者技术有什么样的大的提升，它只是把交互的过程设计得相对人性化一些。那么大家久旱逢甘露，说终于有一个好使了。你其实使用Cloud 3.5、Sonic或者使用GPT-4，你去问相应的问题，它们都是会给你可以使用的解答的。

但是在这个过程中，总是觉得不那么顺畅。你比如说，我在Cloud 3.5上，或者是在GPT-4O上提了问，得到了一大堆的答案以后，我需要再对照着自己的代码拷贝粘贴，再在里面找到需要修改的部分去修改。现在，Cursor等于一次搞定了，它把你的代码一起提上去，说明这些代码是这样的，你现在遇到了什么问题，应该怎么去修改。返回的结果是一大堆的修改建议，你可以一项一项地确认。你只要确认确认确认，它就直接把所有的文件都改掉。这些修改可能在不同的文件里，甚至有可能会给你创造一些新的文件。

当然，比较偷懒的方式，或者说8岁女孩的方式是什么呢？就是同意所有，一次把所有需要创建的文件、需要修改的代码一把全都过去就完事了。那么它跟传统的，或者说从去年开始就有的这些各种各样的AI辅助编程工具到底有什么差异呢？就是多个代码文件可以同时进行阅读和修改。

我们使用GitHub Copilot的时候，每次只改一个文件，它不可能说我把整个系统里头一大堆文件一起都给你改了。现在，Cursor就可以把这事搞定。而且，它在开发的时候很好地考虑到了程序员的使用习惯。什么是程序员的使用习惯？当你去修改一整段代码的时候，可能说我先把第3行改了，改下边应该改第5行，第4行其实没什么可变的。当你改完第3行以后，按一个Tab键，它就自动跳到第5行应该去修改的地方，你接着改就完了。它把很多程序员使用的习惯都给你串起来了。这就是交互设计的一个革命，或者是胜利吧。

再跟大家讲一个wow的瞬间。你可以直接往里贴图片，甭管是GPT-4O还是Cloud 3.5 Sonic，都是可以进行图片识别的。所以它允许我们直接在对话窗口里，把一个设计师设计好的图片，这个界面应该长什么样，直接扔进去。扔进去以后，它就识别这个图片，然后把我们的代码改成这个图片上长的样子，这个非常厉害。像以前我们经常讲叫像素级拷贝。

我们看别人的哪个APP做得很好，别人的哪个网页做得很漂亮，直接把那个图片切下来扔进去，这边就直接给你做好了。以后再做像素级拷贝这种事情，就不需要人了，完全可以靠AI搞定了。那么，Cursor是不是真的会让程序员失业呢？

我们其实从AIGC出来，从最早的AIGC工具，实际上最早的是什么？就是GitHub Copilot。从这个工具出来的时候，就在开始喊程序员要失业了，到现在已经喊了快两年了，因为这个产品是在2022年的年中出来的，现在已经是2024年的秋天了。那么程序员依然没有失业。

那么Cursor出来以后，是不是可以让8岁的小姑娘不需要经过训练就可以做出应用来了？那你说要程序员干嘛使？我自己测试了三天，这真的是把它装上来，把以前的一些代码拿回来，改了三天。聊一聊感受，这言出法随，哈哈，上帝说有光，于是就有了光。这件事情到底是不是实现了，还是有一些距离的。

大家要注意，前面8岁小姑娘虽然做出了应用，但她也是做了40多分钟，她也是要反复去提，说我要一个什么，哪个地方不对了，哪出现问题了，哪去给我修改一下，哪个地方我不满意了，要反复去提这件事情。第二个，他们所能够做出来的应用，虽然是一个独立的应用，但那是一个相对简单的应用，里头有很多的细节还是比较粗糙的。你希望有一个真正的产品化的应用出来，还是需要进行很多很细致的学习，并不是说任何一个8岁小孩坐在这，拿到工具就可以干活了。

那么演示过程中的这种wow案例都是怎么来的？我以前做了这么多年的Evangelist，也就是IDE的布道师，我可以告诉大家，绝大部分的wow案例都是故意编排的。还有一些wow案例是偶然所得，但经过大规模的筛选出来的，就是很多人都去试了，绝大部分人没有试出来，只有几个人试出来了。这样的案例你把它筛选出来以后，再去给别人展示，那么它也会成为一个wow案例。

其实我们看到很多的机器人演示的这种视频，甭管是擎天柱还是 FIGER01、FIGER02，包括国内的一些机器人的这种演示视频，基本上他们的那种 wow 瞬间都是这么做出来的。要不然就是故意编排剪辑，要不然就是反复重试多少次，然后最后给你看成功的一次。

那么 cursor 距离彻底的研出法到底差在哪呢？其实是很多的细节没有学过编程的人还是不太容易搞定的。我举一个案例吧。我这几天去测试的时候，让 cursor 给我写一个 Flutter 应用。Flutter 是谷歌做的一种跨平台的开发技术，它可以同时开发 Windows、Linux、macOS、Web、安卓、iOS 应用。你等于写一套代码，它就可以直接开发出这么多种应用来。

我等于用 Flutter 去做了一个应用，然后让这个 Flutter 应用去连接我本地的 Dify 的这种 API 端口去做一些数据的访问。到这儿呢，就直接报错了，说这个事儿不对，我连不通这个东西。然后我再把这些错误去询问 cursor 的时候，cursor 就开始恢复大模型本色了。因为你问的还是 GPT-4O 或者是 Cloud 3.5 Sonic，他给你回复是什么呢？他说：“哎呀，有三种可能，第一种可能是什么，第二种可能是什么，第三种可能是什么。”其实这几种可能里头没有任何一个是正确答案。你再去反复的问他，各种的修改都是错的。

那如果没有学过编程的话，可能就会比较费劲了。我个人呢，还是前面学了一些 Flutter 到底怎么编成的，然后我就去问他：“这个东西是不是有一些配置文件需要改？”他说：“对，是有配置文件需要改。”你如果提不出这个正确的问题来，他可能就永远在一些概率比较高的问题上绕来绕去，一些概率比较低的问题就直接被他忽略掉了。

那为什么始终他没有找到正确答案呢？因为绝大部分人使用 Flutter 的时候，都是在开发 iOS 或者是安卓应用，可能绝大部分人在开发安卓应用。

而我写的是一个 macOS 应用。我就跟他说，我现在是 macOS 应用，遇到这样的一个问题：需要修改哪一个具体的配置文件，才能给我的 Flutter 应用打开网络接口。他哦，明白了，你到哪个哪个目录下找到哪个文件，然后在里头加两行，就搞定了。

像这种跨平台的开发工具里边，每一个平台的权限其实是需要单独写配置文件的。虽然 Flutter 可以跨平台，但你要给 iOS 应用打开网络接口，需要到里头去找配置文件去改；你要给安卓应用打开网络接口，也要到安卓那一块的配置文件里去改；macOS 也是一样。如果提不到正确的问题，就永远做不对，可能会出现这样的情况。

所以在这个过程中，程序员的知识还是起到了一定的作用。如果没有应对这种跨平台开发工具的经验，就不知道该提什么问题。为什么这些东西都是分开的？因为不同的软件平台、不同的操作系统，对于权限和整个底层的代码库的差异是很大的。

像 Flutter 这样的跨平台开发工具，为了让你的逻辑代码尽可能地和平台底层的这些代码完全隔离，等于写一次就可以四处运行。因此，它一定会把各个平台的配置信息拆到外边，单独让你写去。你的所有逻辑代码按了什么出什么，哪个地方画红的、绿的、蓝的，这些都让你写在一个地方。

如果没有这样的知识，就没法使用这样的程序。那你说我有了这样的知识，Cursor 在里边干嘛呢？当我有了这样的知识，提出了正确的问题以后，Cursor 就可以快速告诉我，这个文件在什么地方，你应该往里加哪几句话。然后你只要告诉他说我同意的修改，他就自动给你加上。加完了以后，这个程序就可以跑了，所有的错误就过去了。

这就是 Cursor 比较强的地方。所以，两边结合起来才是真正的答案。这一次程序员又没有失业，我们又在危险的边缘晃了一圈，转回来了。

咱们再讲一下古代骑士从失业到再就业到底是一个什么样的过程。很多人很焦虑，问我是不是要失业，希望这个故事能够安慰你。

骑士是怎么失业的呢？步枪发明了以后，骑士就失业了。为什么呢？以前要想成为一个骑士，你需要训练一辈子，从小开始训练。而有了步枪之后，任何一个健壮的农夫或工人，经过三个月的训练就可以上战场了。训练了三个月的农夫与训练一辈子的骑士，他们在战场上的杀伤力和存活率其实差不太多。

在这样的情况下，骑士就没有存在的必要了。这跟我们现在的情况其实很像。想想一个8岁的小姑娘可以去写应用，那么是不是依然需要一个孩子从大一开始上四年大学，再上两年研究生，出来成为程序员呢？这跟骑士的状态是不是非常像？

那骑士在被淘汰以后，怎么再去就业呢？在骑士被步枪手淘汰之后，战争的规模发生了变化。原来骑士打仗时，一场战争也就几十个人或几百个人，能够上万人的战争就很少了。然而到了步枪兵的战争，参与人数变成了几百万人。在这个过程中，我们需要更多的人去进行指挥和后勤协调，甚至需要很多人去培训这些步兵。

这个过程又是一个需要培训一辈子的过程，或者需要一些职业军人去担任相关岗位。这就是骑士再次就业的过程。以前的骑士要练习武艺，同时也要练习指挥，现在可能更多的人要去学习指挥。你说我没有指挥天赋，我武艺特别好，有一把力气，这事行不行？也还有一些专业军士长或者特种兵的位置在等着大家。

军官团、职业军士，包括一些专业军士的总数量，其实要比旧时代的骑士数量大得多。这就是骑士从失业到再就业后，变成一个数量更加庞大的团体的过程。程序员其实也是如此。我们会有一些焦虑，有很多未经训练或只经过少许训练的人也可以成为程序员，去干事情。再去学四到六年的编程，这件事情显得很傻。

但是后面我们要去培训这些人，要去组织这些人，要去写一些真正底层的模块，比较难的模块。那么在这一块，需要比现在更多的程序员。这就是骑士跟程序员在被替代、重新就业之间的异同之处。

那么，cursor到底应该怎么用？咱们前面没有讲编程的部分，后边我们稍微讲一点点。首先去cursor.com的网站上去下载，下载了以后呢，会自动合并VS CODE上面的各种配置，因为它是从VS CODE里边分支出来的嘛。你比如你在VS CODE里头装什么插件，写了什么配置，它会自动给你拉回来。

再往后呢，就是要去使用大模型了。你可以自己设，说我的这个API TOKEN是什么样的，你也可以不设。不设就是使用cursor的额度，免费的，一天有多少次。付费了以后就会取消限制，你就可以直接使用。它的免费是14天，你说我14天用完了怎么办？换个邮箱还可以再用14天。在这块判定的是比较宽松的。免费的用完了以后，20美金一个月。

我明年3月份GitHub copilot的到期了，我是一次买了一年的，所以等到期了以后，我要考虑一下，是不是该换这个cursor的订阅了。我现在订阅的AI工具notion AI已经被我退订了，mid journey我觉得还是需要的，GPT一个月20美金，我现在也还在犹豫，是不是以后要把它退订掉。目前为止我觉得还是比较好用的。

有了cursor之后，编程的行业会变成什么样？这可能是大家所关心的。那么一定是更多的人可以进行编程了。对于这些人来说，他们也还是需要一些短期的培训，就像步枪兵，你也是需要经过三个月的培训的。8岁小姑娘这个事呢，我们作为一个故事听就完了，不要太信以为真。

因为我也是碰到很多的朋友说，我要去使用这些AI agent，使用AI工具了，也看了一堆课程，不行，搞不定这件事。可能也是我前面的课程讲的，要稍微的困难了一点。那么这一块我也在思考，看看怎么能够提炼出一些。

真正可以去使用的课程，让这些完全没有计算机基础的人真正可以跑起来。因为我录了这么多课程，毕竟我自己还是个老程序员，有很多东西我自己想当然了，就直接做了这件事情。我去看看是不是可以找一些愿意学习、没有任何编程基础的人，我们一起来合作做一些课程，也许是一个解决方案。

那么未来的程序可能也会发生一些变化。现在的程序基本上是三个部分：第一个部分是我们编写的代码，第二个部分是注释，第三个部分是各种配置文件。未来的程序可能会加上所有的提示词历史。否则，你给我一个代码，我不知道这个代码是怎么变成这样的。所以如果有提示词历史和所有跟AI工具聊天的这种历史，可能更容易让下一个人去理解这个程序到底是怎么回事。因为写程序不是一个人的事，是需要大家协作的。你没有聊天历史，这事没法协作，这可能是一个变化。

未来一定会出现更多的只会开车、不修车的司机。巨大量的个人应用也会涌现出来，像8岁小姑娘写的这种应用，你说它有用吗？有用，或至少能用。但这种应用，如果把它作为一个商品交付给其他人用，这事是不行的。因为你光要跟别人沟通，哪个地方有一个小的机关，哪个地方有一个小小的隐藏开关，这个事你就交代不明白。所以这种东西就是自己开发自己用，应该是可以使用的，不要传播，不要推广。

所以很多现在的人在讲什么AI agent或者各种的AI工具，像Excel。很多人其实是可以使用Excel，在里边套各种公式，算各种复杂的数据，再让它画图表，功能极强，他们也不会编程。那么有了AI agent，有了AI工具以后，等于你就有了一大套的Excel，Excel的技能就提升了。现在你可以处理的问题，比原来Excel能够处理的问题要多多了。然后再有了AI编程，AI agent有了AI的一系列工具之后，每一个人的能力就上升了。未来更多的AI IDE一定会涌现。

现在，Cursor已经给大家指明了方向。来，照这个方向做。技术上并没有那么难。上产品经理，上交互设计师，咱们把整个编程的过程交互设计好就可以了。而且，如何依靠交互设计，在AI大模型的帮助下做好产品的路径，其实也已经被指明了。

到底应该如何去工作？我记得前两天还看到另外一些工具，比如说如何做一些科学研究。这些工具也是根据大家正常的思路，根据正常的科学阅读、研究者的这种流程，给你设计得很好。你先去提出问题，四处搜索。搜索完了以后得到结论，结论完了以后，允许你在这个结论里的选择，说我希望在哪些分支里边继续深入去思考，再去搜索，再得到相应的信息，再把这个结果进行某些方式的总结归纳，再做出比如说适合阅读的脑图，或者其他的一些可以让工作者快速接受的方法。

现在，这些工具也在逐渐涌现。我觉得AI APP，或者整个AI应用的大爆发，已经要到来了。Cursor已经为这些AI应用的大爆发拉开了序幕。好，这就是我们今天介绍的Cursor，希望你甭管会不会编程，都可以下来试一试。好，这个故事跟大家讲到这里，感谢大家收听，请帮忙点赞，点小铃铛，参加Discord讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。