跳到主要内容
目录

意图、规格与实现之间的缺口

写代码的边际成本正在塌陷,但「这份代码实现了我的意图吗」这个问题一点没变便宜。这篇整理自南京大学《生成式软件工程》2026 秋第 1 讲「欢迎来到未来」(主讲:jyy),原始讲义。讲义用二维码 Excel 这个小而完整的失败案例,把意图、规格与实现之间的缺口摆到了台面上。

文中所有代码都在本地实跑过,正文印的输出是真实结果。

一、一份满分的作业,证明了谁的能力

课程开篇没有讲技术,而是先问了一个问题:如果把一份编程作业直接交给 AI,它读题、写代码、运行测试,最后交出一个像模像样的结果,那么这份作业的满分,究竟证明了谁的什么能力?

过去人们习惯把作品当成能力留下的痕迹——能做出一个程序,大概就掌握了相应知识。今天同一份作品背后,可能是深入理解系统的人,也可能是只复制粘贴了一句话的人。作品还在,作品与能力之间的对应关系却变了。

讲义接着列出三种很真实的焦虑:AI 帮我上完了大学,最后我什么都没学会怎么办;老老实实学了四年,毕业时发现原来训练的技能不值钱了怎么办;为了刷出一份完美简历,把生活变成一场漫长的资格赛,最后又得到了什么。

这三问很难再靠「把下一门课考好」来回答。既然课程式的知识传递正在被绕过,就得亲自试一试:当实现软件的成本发生剧变,什么能力还值得训练?

二、四个技术史节点,和一句「怎么让工程不失败」

讲义用四个节点回看技术史:1975 年的 Altair 8800、1993 年的 Mosaic、2007 年的 iPhone、2022 年的 ChatGPT。放在一起看,它们是同一种变化的四例——原先只有少数人能使用的能力,逐渐进入普通人的日常生活。今天「把一个想法变成能运行的软件」也在经历同样的变化。

因此这门课被定位成实验性的课程,要讨论的是 AI 时代还有用的「软件工程智慧」,其内核是一句加粗的反问:怎么让工程不失败? 让一个演示跑起来只是开始;一个系统还要承受需求变化、真实用户、错误输入,以及人与人之间的协作。AI 可以加速实现,这些问题不会随着代码自动生成而自动消失。

关于「大学还能教什么」,课堂给了三个有点扎人的说法:信息差(知道计算机世界里有什么、知道哪里能找到答案)、能坐牢(做了决定以后有人要承担后果)、能驾驭(能把人、工具和反馈组织起来做成一件事)。课程最关心的是最后一项。

还有一句被反复引用的狠话:「没有 token 的 CS 学生应该立即退学」。讲义立刻降温——当然不会真的让大家退学,强调的是应当亲自使用工具、形成判断,而不是永远停留在听别人评价的阶段。课程要求 token 自费,但不鼓励 tokenmaxxing(以消耗更多 token 为目标的攀比)。

三、从填词游戏到能行动的 Agent

讲义给了一个刻意朴素的起点:从使用者角度,自回归语言模型可以先理解为一个条件概率分布——给定已有上下文,预测下一个 token。

Pr[token | context]

Token 是模型处理文本的基本单位,不必恰好对应一个汉字或一个单词。这个接口简单得让人怀疑它能做多少事,但关键在于区分两件事:「预测下一个 token」描述的是计算怎样展开,不能直接拿来判定能力上限。

因为模型输出的文字会进入后续上下文:先写下一个中间结果,再基于它继续计算;发现矛盾,再尝试修正。于是一个看似静态的概率分布,由此展开成很长的计算过程——这是理解思维链与 Agent 的枢纽。

推理型模型让「先尝试、再检查、再修正」更有效:Chain-of-thought 把中间步骤留在上下文中,test-time scaling 则是在使用时投入更多计算换取更深入的尝试。多花计算是否值得,要看这些尝试能不能得到有效反馈。

Agent 又向前走了一步:它可以调用工具——读文件、执行命令、查询网页,观察操作结果,再决定下一步。语言模型与运行它的程序、工具和环境共同形成一个反馈循环,承载这个循环的外围系统常被称为 harness。讲义用了一个对照:一次对话可以告诉你怎样安装系统,一个 Agent 则可能真的开始安装,遇到报错后继续排查,直到拿到可以验收的结果。

所以理解 Agent 不能只看模型答题有多聪明,还要看它能观察什么、操作什么,以及操作以后能否知道自己做对了没有。

四、二维码 Excel:一个完整但很小的失败案例

讲义给了一个非常具体的需求:只用 Excel 2019 及以前兼容的公式,把一个可能长达数千字符的字符串先做 Base64 编码,再分成二维码帧;刷新显示时循环播放这些帧,扫描得到的数据拼接后应当还原为完整的 Base64 字符串;还要用接近真实运行环境的办法验证公式确实算对了。

看起来已经很具体,但里面仍藏着大量选择:字符串用什么编码?一帧装多少内容?输入变化时,公式和工作表是否要重建?「按 F9 刷新」和「一秒一帧」究竟怎样配合?工作簿能打开,是完成;还是每帧都能被真实解码器读取、拼接后能还原原文,才算完成?完成的标准本身就是一道未决的规格问题。

课堂记录里的实验数据最有说服力:

  • 一次 GLM-5.3 尝试的第一轮思考就持续了 25 分钟,随后撞上输出长度限制,最终花了 6 小时才完成;
  • 一次 DeepSeek V4 Pro 尝试给出了硬编码版本,被指出问题后承认需要重新设计;
  • 得到的 Excel 文件约有 2 MB,而且难以维护。

转折出现在后来:通过少量提示调整开发方向,GLM-5.3 在 200K 上下文内完成了一个正确且更可维护的版本——公式能够复用,工作表结构不随着文本长度不断膨胀。讲义由此得出关键结论:真正改变局面的,是对计算结构的设计。

这里最值得单独拎出来的是「硬编码」这个问题。用户需要的是一个对不同输入都成立的计算过程,模型却可能交出一个只让当前输入看起来正确的结果。演示成功和需求实现之间,隔着一个很大的差别。

下面这段代码把这个差别做成了可运行的判据。参数化版本把算法写成一份模板;硬编码版本只留一份当初调通过的现成结果;验证用的解码器独立于被测实现,靠回环还原来判断真假:

import base64


def split_parametric(text, frame_size=64):
    """把文本 Base64 编码后切成固定长度的帧——算法模板只有一份。"""
    b64 = base64.b64encode(text.encode("utf-8")).decode("ascii")
    return [b64[i:i + frame_size] for i in range(0, len(b64), frame_size)]


def decode_frames(frames):
    """独立解码器:不属于被测实现,负责把帧还原成原文。"""
    return base64.b64decode("".join(frames)).decode("utf-8")


def roundtrip_ok(text, frames):
    try:
        return decode_frames(frames) == text
    except Exception:
        return False


# 硬编码实现:只认识当初调通的那一条输入
BAKED = {}


def split_hardcoded(text, frame_size=64):
    # 别的输入一律照抄一份旧的
    return BAKED.get(text, BAKED.get(sorted(BAKED)[0], []))


A = "我来到逸夫馆我来到教室我来到食堂"
B = "今天北京多云转晴,气温 8 到 15 摄氏度"

BAKED[A] = split_parametric(A, 64)

for label, t in (("输入 A(当初调通的那条)", A), ("输入 B(同结构,换内容)", B)):
    p = split_parametric(t, 64)
    h = split_hardcoded(t, 64)
    print(f"{label}")
    print(f"  参数化:{len(p)} 帧,独立解码器回环还原 = {roundtrip_ok(t, p)}")
    print(f"  硬编码:{len(h)} 帧,独立解码器回环还原 = {roundtrip_ok(t, h)}")

实跑输出:

输入 A(当初调通的那条)
  参数化:1 帧,独立解码器回环还原 = True
  硬编码:1 帧,独立解码器回环还原 = True
输入 B(同结构,换内容)
  参数化:2 帧,独立解码器回环还原 = True
  硬编码:1 帧,独立解码器回环还原 = False

关键在于两条实现在输入 A 上表现完全一样——演示都能成功,文件都能打开。差别只有在换一个输入时才暴露,而区分二者的判据不是「看起来对不对」,而是独立解码器能不能还原出原文。

这正是讲义那句「需要用接近真实运行环境的办法验证公式确实算对了」的可操作版本:验证器必须是另一个实现,否则它会跟被测对象共享同一个错误。讲义里考试统分的例子是同一个道理——反序复核并读出算式,把错位、漏项、误识别暴露出来,形成一条可以回查的链。

五、局部性:AI slop 真正的判据

讲义对 AI slop 重新做了定义:不能只看文件有多大、代码有多丑,更关键的是修改有没有局部性——改一个地方,会不会迫使整个系统重来?

「局部性」可以量化。同一件事做两遍:把帧长从 64 改成 48,看各自要重做多少东西。

import base64


def split_parametric(text, frame_size=64):
    b64 = base64.b64encode(text.encode("utf-8")).decode("ascii")
    return [b64[i:i + frame_size] for i in range(0, len(b64), frame_size)]


A = "我来到逸夫馆我来到教室我来到食堂"
B = "今天北京多云转晴,气温 8 到 15 摄氏度"

# 硬编码表:每个输入留一份现成的帧
BAKED = {A: split_parametric(A, 64), B: split_parametric(B, 64)}

print("需求变更:帧长从 64 改成 48")
print("  参数化:要重做的输入样本 = 0 个(算法模板没变,只改一个常量)")

stale = [k for k, v in BAKED.items() if any(len(f) != 48 for f in v)]
print(f"  硬编码:要重做的输入样本 = {len(stale)} 个(每份存下的帧长都变了)")
for k in stale:
    print(f"    - {k[:12]}… 原帧长 64 → 需按 48 重新生成")

实跑输出:

需求变更:帧长从 64 改成 48
  参数化:要重做的输入样本 = 0 个(算法模板没变,只改一个常量)
  硬编码:要重做的输入样本 = 2 个(每份存下的帧长都变了)
    - 我来到逸夫馆我来到教室我… 原帧长 64 → 需按 48 重新生成
    - 今天北京多云转晴,气温 … 原帧长 64 → 需按 48 重新生成

参数化版本改的是一个常量,模板没变;硬编码版本每条输入各存了一份现成结果,帧长一改全部作废。输入变长,数据量、帧数和计算量当然可以增加;但表达算法的模板,不应当因此被一份份复制。

讲义把这接到了软件工程经典上:如果每次变化都要重新解释全部隐含关系,项目就已经接近《人月神话》里的焦油坑了。越挣扎,越消耗;加入更多生成能力,也可能只是更快地把自己埋进去。

六、Intent、Spec 与 Impl 之间的缺口

二维码案例引出了整门课的一条主线。

  • Intent 是你真正想达成的目标。它往往连提出者自己也没有完全想清楚:「帮我做一个好用的工具」「做一个国民级应用」,都包含大量尚未表达的期待。
  • Spec 是把意图具体化以后,能够描述行为与约束的规格。
  • Impl 则是程序实际执行的计算。讲义强调:计算机必须在每一个执行分支上做出确定的动作,不能留一句「到时候看着办」。

两段转换的判断类型不同:从 Intent 到 Spec,需要做产品判断;从 Spec 到 Impl,需要做设计与实现判断。 同一个意图允许许多规格,同一个规格又允许许多实现。每一步看似合理,最终仍然可能离用户想要的东西很远。

讲义给出一个重要的逻辑警告:即使程序通过了现有测试,也只能说明它满足了这些检查,不能自动推出规格忠实表达了真实意图。

模型怎样填补这些空白?很大程度上靠猜。并且有一条边界规则:总不能每选一种颜色、每命名一个变量都询问用户;但在架构、数据表示和验收标准上猜错,代价就大得多。这正是本课要研究的问题——哪些决定可以先做再验证,哪些决定值得先讨论或做一个小实验。

这也解释了为什么「立即遵循指令」有时会把事情做坏:模型迅速进入实现,许多重要选择还没有被看见,就已经固化在代码里。之后每一步都在维护早期决定,终于走进一个很难掉头的方向。好的协作需要让重大假设及时显露,也需要给推翻假设留出空间。

七、让大工程获得及时的反馈

讲义给软件工程下了一个更完整的定义:软件工程讨论的是,怎样在人与工具的共同协作下,把一件大事做成。它包含技术,也包含组织、沟通、责任和动机。 在 LLM 时代,失败的定义没有根本改变:软件没有满足真实意图与约束,就是失败。

它对比了两种反馈速度:学校里的题目通常在几分钟或几个小时内有答案,交卷就结束;真实工程的反馈可能很晚才来——用户开始使用才发现流程不对,需求改变才发现结构无法维护。长程任务难就难在:还没有明确分数的时候,也要持续判断方向。

解法没有变:拆解、验证和迭代因此仍然有用。

  • 拆解让一个大问题变成能看清因果的小问题;
  • 测试与持续集成让已发现的错误不再轻易回流;
  • 小步修改让新的失败尽早出现,便于定位和回退。

三者共同的作用被讲义精确表述为:缩短了「做了一个决定」与「知道决定是否正确」之间的距离。

讲义用二维码 Excel 做了一个「如果重新安排开发」的复盘,顺序值得照抄:先拿一个短字符串完成单帧二维码,并让独立解码器真实读回原文——这一步验证最核心的计算;随后扩展到不同输入、Base64 编码和分片,再验证多帧的顺序与拼接;最后处理刷新、兼容性和性能。每一步都留下可执行的检查;每一步都在消除一种具体的不确定性,而不是等整个文件写完才看它能不能用。

八、当生产变便宜,什么成为瓶颈

讲义用一个夸张的算式说明新的成本结构:假设生成能力提高一千倍,即使只有百分之一的垃圾,垃圾的绝对量也达到旧时代全部产量的十倍。讲义承认这是一个假设计算,却提醒我们:错误率很小和维护负担很小,并不是一回事。

由此推出一条新的工程结论:生成可以越来越快,逐行阅读却难以同样加速。 新的工程工作因此更依赖好的规格、独立检查器、测试、可观测性和清晰接口——目标是让判断也能够跟上生产,让人的注意力花在最值得判断的地方。

关于「古法编程死了」,讲义把它解读为一个正在发生的机会:对于边界清楚、能得到有效反馈的任务,手工实现的稀缺性正在下降。但立刻加上限定:软件工程暂时还没有死。 一个人有机会调动过去需要一个团队才拥有的实现能力,去解决以前连开始都不敢想的问题。

至于 AI 将来是否连设计、品味和工程判断都能胜任,讲义诚实地指出课堂没有给人类留下一块永远安全的领地。它把这个问题说得更直接:「为什么我要招你,而不是买一个 200 美元的 Claude Max?」——除了你可以坐牢,你还提供了什么?

这个问题问的是「能力」而不是「产出」,正好回到开篇那份满分作业。当产出变得极其便宜,区分度就必然从产出转移到别处。

九、它不解决什么

  • 这门课讲的是判断的缺口,不是工具的用法。读完知道该问什么,不代表知道某个框架怎么配置。
  • 讲义里的实验记录来自课堂特定几次尝试,GLM-5.3 的 6 小时与 2 MB 是那几次的度量,不是该模型的稳定性能特征,换个版本或换个提示未必复现。
  • 二维码 Excel 是一个失败案例,不是通用结论。参数化优于硬编码在这里成立,是因为需求已经明确成了「对任意输入成立的计算过程」;需求本身含糊时,参数化只是把猜测藏得更深。
  • 「能坐牢」的说法预设了责任归属清晰的环境。企业里「模型出了错算谁的」往往没有课程里那么干净。

FAQ(六、常见问题)

问:既然测试通过了,为什么还不能说规格忠实表达了意图?

因为测试断言的是实现的行为,而意图是用户的目标,两者之间隔着一次人工判断。测试能证明「程序做了它被要求做的事」,不能证明「被要求做的事就是用户想要的事」。规格漂移正是发生在这层——规格本身写对了,但它写的东西已经偏离了真实意图。测试再多也只是把第一层的证据做得更密。

问:独立检查器到底独立到什么程度?

至少要独立于被验证对象自己的假设。用同一个函数写实现和验证,两边会共享同一个理解错误。讲义的反序复核、读出算式都是这个思路的实例。更强的一层是验证器跑在接近真实运行环境里——二维码用真实解码器读回,而不是用生成二维码的那个公式去读。

问:局部性能不能靠工具自动检查?

不能自动判定,但可以被度量。上面第二个例子里的「要重做的输入样本数」就是一种量化方式:改一个常量后,有多少已存下的产物需要重新生成。这个数字比「代码丑不丑」客观得多,也更容易在 code review 里讨论。

问:这和已经发过的错误如何传播与暴露那篇什么关系?

那篇讲的是已发生的错误怎么被看见——Fault → Error → Failure 的传播链,以及测试、断言、差分测试各自作用在哪一段。这篇讲的是更靠前的一层:在错误产生之前,「完成」的标准本身没有定清楚。两篇是同一条链的前后两段:先要写清什么叫完成(Intent/Spec 缺口),错误才有暴露的判据(传播链)。

延伸阅读

  • 《人月神话》(The Mythical Man-Month) —— Brooks 讲的是概念完整性(conceptual integrity):宁可少做功能,也要让少数人保持统一的架构风格。GLM-5.3 第一次尝试(6 小时、撞上输出长度限制、2 MB 难维护)与第二次成功(可复用公式、结构不随文本长度膨胀)的差别,恰好在于第二次保住了「一份算法模板」这个概念完整性。这提示在 Agent 协作中,提示里描述计算结构比描述期望输出更可能决定成败。
  • 从测试到证明:形式化验证能证明什么,不能证明什么 —— 同一门课第 12 讲,把「规格是否忠实于意图」这件事推进到形式化验证层面。
  • AI 时代的软件工程实践 —— 从工程实践角度展开本讲「把判断跟上生产」的结论。
  • 原始讲义:https://jyywiki.cn/GSE/2026/lect1.md
赞赏

如果这篇文章帮到了你,欢迎请我喝杯咖啡。

  • 微信赞赏二维码,用微信扫一扫

    微信支付

  • 支付宝赞赏二维码,用支付宝扫一扫

    支付宝

金额随意,感谢支持

赞赏

如果这篇文章帮到了你,欢迎请我喝杯咖啡。

  • 微信赞赏二维码,用微信扫一扫

    微信支付

  • 支付宝赞赏二维码,用支付宝扫一扫

    支付宝

金额随意,感谢支持