如果把一份编程作业直接交给 AI，它就能读题、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？
这是这门课的起点。过去，我们习惯把作品看成能力留下的痕迹：能做出一个程序，大概就掌握了相应的知识。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。
于是，计算机专业的学生有了几种很真实的焦虑：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？这些问题很难再靠“把下一门课考好”来回答。我们需要亲自试一试：当实现软件的成本发生剧变，什么能力还值得训练？
课堂用四个节点回看计算机改变生活的过程：1975 年的 Altair 8800、1993 年的 Mosaic、2007 年的 iPhone，以及 2022 年的 ChatGPT。把它们放在一起，是为了看见一种相似的变化：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”也在经历这样的变化。
因此，《生成式软件工程》是一门实验性的课程。我们要讨论的是 AI 时代还有用的“软件工程智慧”：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，这些问题却不会随着代码自动生成而自动消失。
大学还能教给你什么？课堂给了三个有点扎人的说法：“信息差、能坐牢、能驾驭。”知道计算机世界里有什么、知道哪里可以找到答案，是信息差；做了决定以后有人要承担后果，是“能坐牢”；能够把人、工具和反馈组织起来，最终做成一件事，才是能驾驭。课程最关心的是最后一项。
课程以案例和讨论为主，鼓励同学们动手实践，甚至喊出了“禁止古法编程”。它要打破的是把亲手敲出每一行代码当成学习成果的习惯。你当然仍然需要理解程序，只是实现可以交给 Agent，人的注意力应当更多地留给问题、设计和检验。
“没有 token 的 CS 学生应该立即退学”也是课堂里的一句狠话。第二讲已经说明，当然不会真的让大家退学。它强调的是：面对这种变化，计算机专业的学生应该亲自使用工具，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。值得投入的是问题与实践。
课程也试图减少分数对学习的支配：提供建议的实验与反馈，希望大家最后能说清楚“我在这门课里做成了什么”，并拿出别人可以打开、运行和使用的作品。一个公开的项目，可以持续修改，也会持续接受现实的检验；它所记录的成长，比一次验收更长。
连这门课本身也是一个实验。讲义首先是文本，文本经过生成和渲染成为幻灯片，课堂讨论被记录，再整理为能够阅读、搜索和重新组合的内容。“Everything is code”在这里很具体：我们希望保留可编辑的源材料和构建过程，让课程有机会不断更新，而不仅仅留下某一天的录像。如果这条路径走通，也可以用它重新组织操作系统课。
从使用者的角度，可以先把自回归语言模型理解为一个条件概率分布：给定已有上下文，预测下一个 token，即 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“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。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。一个看似静态的概率分布，由此可以展开成很长的计算过程。
课堂回顾 GPT-4 时，用了一个很生活化的例子：给五岁的小朋友解释扫描电子显微镜。可以把它想成一支很细的“电子铅笔”，一行一行扫过样品，探测器收集扫描时产生的信号，再把各个位置的信号强弱画成屏幕上的亮暗点。小朋友不需要先学完仪器课程，也可以抓住“扫描、测量、拼成图像”这条因果链。这里令人惊讶的能力，是模型能够面向听众重新组织知识。
再往后，推理型模型让“先尝试、再检查、再修正”变得更有效。Chain-of-thought，也就是思维链，把中间步骤留在上下文中；test-time scaling 则是在使用模型时投入更多计算，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，再决定下一步做什么。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。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。
因此，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。模型未来是否仍以逐 token 生成作为主要计算方式，课堂也提出了开放的设想：上下文本身能否成为更灵活的可修改状态？这不是本课要求先解决的问题。我们可以从已有工具出发，先学会使用这个不断演进的系统。
很多人第一次使用 Agent，仍然把它当成一个更会聊天的搜索框。真正有意思的变化，发生在你开始把日常任务交给它的时候。
课堂上运行的 Debian 系统安装在 USB 设备上。安装和配置由 AI 完成，还在 QEMU 虚拟机里运行验证；终端和编辑器可以用自然语言提出配置要求，不熟悉的桌面操作也可以让它整理成速查文档。过去，这些任务常常意味着翻教程、记配置项、搜索报错，光是准备开始就让人失去耐心。现在，我们可以先得到一个能用的环境，再围绕实际遇到的问题理解原理。
这会改变学习的入口。“我不会，所以不能做”可以改成“先让工具帮我做出一个能观察、能检查的结果”。但先用好仍然包含验收：系统到底能不能启动，快捷键是否符合预期，数据是否保存正确，都需要证据。学习曲线被改写了，判断结果的工作还在。
邮件也是一个例子。一个能够查询历史邮件的 skill，可以把过去的回复变成参考材料：收到新邮件后，判断如何归档，需要回复时拟出符合本人语气的草稿，再通过提醒事项通知我。我也可以从提醒事项向 Agent 发出指令。这里的价值不仅是写出一封通顺的信，还在于让检索、判断、起草和提醒连接起来。
读书和读论文同样如此。Agent 可以整理电子材料，也可以把视频转成讲义；但一份漂亮的摘要，并不能证明阅读已经发生。更深入的用法，是让它帮助追踪论证：结论是什么，证据在哪里，有哪些没有说出的前提？也可以请它提出反例，然后合上材料，自己复述，再回到原文检查。让 AI 替你接触更多材料很容易，让这些材料成为自己的理解，需要另一套工作方式。
这几个例子共同提示了一件事：限制我们的，经常是还没想到“这件事也能委托”。试着观察一天里那些重复、烦琐、又能判断对错的数字任务，它们可能就是最好的起点。
通用 Agent 已经能完成不少任务，专门的工具和插件还能缩短它探索的路程。以浏览器为例，普通使用者看到网页、按钮和输入框；计算机专业的学生还知道它背后有 DOM、网络请求、事件和状态。浏览器的调试接口可以提供比逐个猜像素更直接的观察与操作方式。
这种“对计算机世界里有什么有概念”的能力非常重要。你不一定要亲手实现每个接口，但要知道任务可能在哪一层被解决。用网页操作处理学校办事大厅里的重复事务，再把成功的操作沉淀成脚本，就是一个例子。第一次让 Agent 探路，之后重复使用可检查、可修改的程序，昂贵的探索便成为了可以复用的资产。
而且这些能力能够相互增强。网页、视频、论文可以作为信息源；检索、分类、总结可以作为处理过程；文档、提醒、文件上传可以作为输出动作。只要接口接得起来，它们就不再是孤立的功能。这也是软件工程很早就有的思想：分解问题，再通过组合获得比单个部件更大的能力。
当然，插件数量并不等于系统质量。一个环节误解了结果，下一个环节可能继续放大错误。把工具连起来以后，仍然要知道数据是什么、动作完成到哪里、失败后怎样恢复。Agent 产品的愿景很吸引人，实际体验是否可靠，还取决于这整条链。
对计算机专业学生来说，把 Agent 只用来做作业，实在有点大材小用。我们可以现场制造工具，解决以前不值得专门开发软件的小问题。
例如考试统分。可以设计这样一条流程：按下回车拍摄试卷，离线模型识别姓名、学号和各题小分；然后按相反顺序复核，让程序报出姓名、学号以及“11 加 12 加 13 加 14 加 15 等于 65”，教师检查后誊写总分；最后将分数汇总到教务系统需要的 Excel 模板。
这个例子的重点不只是识别文字。原始照片、小分、计算式、总分和表格形成了一条可以回查的链；反序复核和读出算式，则把错位、漏项、误识别暴露出来。机器承担重复劳动，人把注意力放在可能影响结果的环节上。需求描述得足够清楚，一个临时需要的工具就有机会被做出来。
课堂还提出了一个思考题：一台严格管控文件流出的机器，如果仍然能够显示画面，信息真的“只进不出”吗？这个问题的有趣之处，是重新认识现有部件。Excel 公式也能表达计算，屏幕也能承载编码后的信息，鼠标也能提供输入。课堂的二维码 Excel 案例正是从这种重新解释出发：让表格把文本转换成二维码，再通过画面呈现。
这里要建立的是一种计算机科学的眼光：不要只按应用程序的名字想象它的用途，要看它实际上提供了什么输入、计算和输出能力。同样，视频可以由脚本、分镜、字幕和时间线描述；物体可以由 CAD 模型和制造指令描述。Everything is code，让 Agent 的工作范围从“写一个程序”扩展到了许多能够由计算过程驱动的产物。
那么，直接让 AI 造航母不就行了？
当然不行。“Idea 有了，就差一个程序员”这个老梗，在 AI 时代还没有过时。一个产品的前端、后端、交互、部署和运营需要共同成立，任何关键环节出了问题，整体都可能失败。能够生成每个部件，不代表能够组织好整个系统。
二维码 Excel 就给出了一个很小、却足够完整的失败案例。课堂提出的要求是：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。同时，需要用接近真实运行环境的办法验证公式确实算对了。
这段需求看起来已经很具体，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，拼接后能够还原原文，才算完成？
课堂记录中，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 尝试则给出了硬编码版本，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。这些具体实验暴露了一个共同问题：新增一点需求，就要付出很大的修改代价。
硬编码尤其说明问题。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。
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。真正改变局面的，是对计算结构的设计。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。
所以，AI slop 的问题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？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。
二维码案例引出了本课的一条主线：意图、规格和实现之间存在缺口。
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。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”。
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。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。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。我们要研究的，是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。
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。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。
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。
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。这些动作共同缩短了“做了一个决定”与“知道决定是否正确”之间的距离。
如果重新安排二维码 Excel 的开发，可以先拿一个短字符串，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。
学校办事大厅也可以从类似角度思考。先选择学生真正要办成的一件事，弄清楚数据由谁提供、状态由谁改变、卡住以后谁来处理，再实现一条完整流程。撤回、重试和人工接管也是流程的一部分。等这个小系统能够观察、核对和修正，再扩展到更多事务。把所有表单先堆出来，通常不能替代这些设计。
课堂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。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。
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：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。
“古法编程死了”表达的是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。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能拥有的实现能力，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，课堂没有给人类留下一块永远安全的领地。它提出的是一个值得认真面对的问题：如果这些能力也继续变便宜，我们如何决定什么值得做，以及由谁承担后果？
课堂把这个问题说得更直接：“为什么我要招你，而不是买一个 $200 的 Claude Max？”除了你可以坐牢，你还提供了什么？
先把目光放回这个学期。下一次展示项目时，试着回答：我发现了什么值得解决的问题？我怎样把模糊愿望变成可以检验的目标？失败发生时，我凭什么知道该换一条路？这会比单独展示 AI 替你生成了多少代码，更能说明你在这门课里学到了什么。