人工智能背后的語言秘密：“會說話”不等于“會編程”

跨越48年的邏輯閉環：Dijkstra 與 AI 編程的真相

1978年，計算機科學先驅 Edsger Dijkstra 在其編號 EWD667的短文中，曾極具挑釁地預言了“自然語言編程”的荒謬。即便在 AI 能夠通過對話生成代碼的2026年，他的核心邏輯依然像手術刀一樣精準。

一、 Dijkstra 的三個鋒利預言

Dijkstra 當年的論證可以拆解為三個支點：

符號是特權而非負擔： 他認為科學的進步史就是“去口頭化”的歷史。從希臘數學的停滯到現代科學的崛起，核心在于人類設計了精密的形式化符號系統。拋棄符號回歸語言，本質上是文明的倒退。

“自然性”的陷阱： 所謂語言的自然，其實是因為它能讓我們輕而易舉地講出那些連自己都沒意識到的矛盾與荒謬。它掩蓋了邏輯的模糊。

接口變寬的代價： 試圖讓機器“理解”人類的寬泛語言，并不會減輕負擔，反而會增加溝通成本，導致人類和機器兩邊都更累。

二、 現代 AI 實踐的“打臉”與印證

在經歷了一段Vibe Coding的甜蜜期后，現在的開發者正集體撞上 Dijkstra 預言的墻：

需求幻覺： 你以為說清楚了，AI 也點頭了，但交付時總差關鍵點。這印證了：自然語言的模糊性讓你和 AI 都在盲目填補邏輯空白。

架構缺失： 自然語言天然缺乏分層、依賴和接口設計的約束。AI 生成的代碼往往“能跑但爛”，缺乏長期的工程感。

上下文降智： 當對話變長、接口變寬，AI 會被之前的錯誤污染，陷入低效的反復試錯。

三、 形式化的回歸：從 Vibe 到 Planned

我們發現，高效的 AI 工作流并不是真的在“說話”，而是在借 AI 之手重建形式化約束。現在的典型流程是：

用語言描述意圖 -->讓 AI 細化邏輯 -->由人審查并轉化為 Spec、測試用例和驗收標準。

這個過程，其實就是把模糊的自然語言，逐步收窄為 Dijkstra 所推崇的“窄接口”。TDD和持續集CI/CD在 AI 時代不再是奢侈品，而是排除 AI “胡說八道”的唯一防線。

四、 AI 真正的角色

Dijkstra 沒預見到的是：形式化的生產成本可以被 AI 抹平。

以前寫嚴謹的文檔和測試用例太累，大家選擇裸奔；現在，你可以口述意圖，讓 AI 快速生成測試套件和接口定義，人只需要負責審核與修正。

AI 編程的可持續模式并非“語言替代符號”，而是：

自然語言作為低門檻的輸入層；

形式化符號作為高強度的驗證層；

AI 作為兩者之間的翻譯橋梁。

Dijkstra 沒說錯，他只是在半個世紀前就看透了：編程的本質從來不是說話，而是消除模糊。