【CSDN编者按】这篇文章讨论了软件工程的复杂性，以及如何应答。作者以为，虽然大型言语模型（LLM）如可以缩小编写软件时的偶然复杂性，但实质复杂性依然是一大应战。LLM的发生将扭转软件工程，但咱们仍需警觉其潜在疑问。

原文链接：

作者|JasonMeller译者|明明如月

责编|夏萌

出品|CSDN（ID：CSDNnews）

在我二十多岁时，愁容常挂在我的脸上。最后我并未发觉，但和我相熟的人都会留意到这一点，大少数状况下，这被视为一种侧面的特质。

但是，有次一位软件工程师用困惑和担心的眼神问我：你为什么总是这么快乐？

这个疑问让我有些异常。据我所知，我领有一切应当让人感到快乐的条件：我刚参与了一家我十分青睐的公司，担任的职位与我的专长高度婚配，共事们都是才气横溢且上班激情高涨的人。更关键的是，咱们正在享用公司资助的部门晚宴，这是一周弛缓上班和会议后的轻松光阴。在这样的环境下，谁会不快乐呢？

答案出乎预料：软件工程师。

当我环视整个房间，疏忽那些激情弥漫的初级治理人员、愉悦的名目经理和失望的用户体验设计师后，我看到了另一幅画面，一幅令人担心的画面。

咱们团队里最资深的工程师独自坐在吧台前，下巴放在手掌上，由于头部压力，肘部已泛红。他另一只手的食指在吧台上轻易地划来划去，显然心境并不好。

在房间的另一个角落，四名工程师围成一个小圈子。其中一人正用手势激动地解释着某个疑问，而其他人显然是在不耐烦地期待他完结，以便他们能宣布自己的观念。他们的面部表情都很轻薄。

起初我了解到，他们过后正在讨论一个外表上看似微无余道，但实践上十分有争议的疑问：数据库中第一条记载的ID应该是0还是1？

这让我明白了，那名先前觉得我总是快乐的软件工程师为何会有这样的纳闷。作为一名编程专家，我为何总是愁容满面呢？

如今，我38岁，肩负着一对婴儿双胞胎和一个三岁孩子的父亲角色。同时，我还是一家领有30名员工的初创公司的开创人和CEO。这家公司为数百家企业提供关键的身份验证服务。面对这么多身份和责任，额头上的皱纹加深、体型微胖、头发渐白，以及眼下的黑眼圈都似乎成了天经地义的事。

但是，这些身材和精气的消耗关键源于一个要素：我依然在编程。

请不要曲解，我对编程依然充溢激情，只是如今人们不再由于我的失望而美化我。

我并非孤例。Cobalt最近颁布的钻研报告考查了超越600名网络安保和软件开发专业人士，提醒了一些令人震惊的现象：

回头看看我以前的工程师共事，简直一切人都曾经不再启动日常的代码编写上班。理想上，许多人曾经齐全分开了科技行业。

哦，这有什么大不了的？你或许会这样想，坐在700美元的椅子上，衣着睡衣，在3000美元的BookPro前上班8小时，一周几天，有什么舒服的呢？

如今，让我来通知你。

为什么软件工程如此艰巨？

依据我的阅历，假设你选用软件工程仅仅是为了赚钱，你在这个畛域里或许走不远。理想上，关于大少数开发者来说，有数百个其余职业门路可以提供雷同或许更高的薪资、声誉和职业满足感。

咱们可以从另一个角度来深化了解编程如何影响集体情感。面对各种应战，为什么人们还是保持下去？这些保持的要素通常是高度团体化和深入的，但当你与足够多的人启动交换后，你会发现一些重复发生的主题。

编程不只是一种技术优惠，更是一种高度发明性的环节，它经常触及到思维和情感的深层。有时刻，人们会以一种程序员齐全没法预感或许设想到的形式，来应用这些翻新成绩。兴许，没有什么比发明出他人能够观赏和经常使用的产品更能表现人类发明力的纯正性。

在这方面，1975年软件工程经典著述《人月神话》的作者弗雷德里克·布鲁克斯是最有发言权的人。这些论文不只历久弥新，而且具有近乎奥秘的关系性。以下是我最青睐的一段文字，摘自名为 工艺的乐趣 的章节。

布鲁克斯还形容了编程的另一面，这一点体如今名为 工艺的困扰 的章节中。

这篇文章写于1975年。

间断布鲁克斯的思维，我发现编程中的乐趣与困扰往往是交织在一同的。我最自豪的编程成就往往来自那些简直让我精疲力尽的名目。处置了常年困扰我和我的团队的bug会带来渺小的成就感。但是，这种成就感与堕入绝望时的丧气是密无法分的。比如，花数小时去调试程序中一些令人困惑的行为，最后却发现疑问仅仅是由于我写了initializer而非initialize。这样的阅历关于咱们中的大少数人来说，是一种无休止的循环。难怪在社交场所中，很少有人笑得进去。

数十年来，咱们阅历了计算才干的指数级增长、先进开发工具的发生，以及编程言语变得愈加兽性化。那么，为什么布鲁克斯的观念在当天依然有剧烈的共鸣呢？

概念紧缩与走向的门路

在我11岁时，我幻想着能制造一款属于自己的游戏。

那一年，我在公共图书馆找到了一本名为《游戏编程巨匠的技巧》的书。书的封面设计得十分酷，似乎是一款相似于DOOM的第一人称射击游戏的包装。我心想，这就是我要的。我棘手翻开了书的某一页，记得十清楚晰，我看到了这样一个图表：

我细心翻阅了整本书，试图找就任何我能了解的、或许看起来稍微像是游戏的内容。结果满载而归。于是，我绝望地合上了书，从此以后，我再也没有通知任何人我曾经想成为一名游戏工程师。

但是，由于概念紧缩的存在，下一代有志于游戏开发的年轻人会有全新的体验。

以2015年为例，一个名叫TobyFox的23岁年轻人颁布了一款名为传说之下（Undertale）的游戏。这款游戏齐全是在他团体的家用电脑上开发成功的。虽然这款游戏是自主颁布的，但它成功卖出了数百万份，并取得了业界的分歧好评。许多媒体甚至将其评为年度最佳游戏，击败了许多领有巨额估算的AAA级游戏。

传说之下是在一个名为GameMakerStudio的可视化工具中开发的，这正是概念紧缩的表现。

概念紧缩是由DavidHeinemeierHansson（DHH）初次提出的，他是RubyonRails的开创人。这个Web开发框架不只对我的整个科技职业生涯有着无法或缺的影响，也对我所在的Kolide公司十分关键。繁难来说，概念紧缩形容了编程从底层的二进制言语，到更凑近人造言语的Ruby，再到如今的低代码或无代码工具，以及LLM（Language-agnosticLow-codeModel）的开展环节。

Hansson发明这个词组的博客文章摘录：

概念紧缩不只让TobyFox能够开收回传说之下，还极大地推进了软件工程畛域新人的增长。但是，这些新入行者雷同须要面对这个行业带来的各种应战和困扰。简而言之，在降落编程的心思和情感累赘方面，让编程更易凑近并不象征着它也更易操作。

在开发传说之下的续作环节中，TobyFox在多个进展报告中分享了他的阅历。他谈到了改换游戏引擎所造成的时期损失、与其余工程师协作的应战、由长时期编程引发的手段疼痛，以及因名目周期过长（已达8年并仍在启动）而造成的睡眠疑问。

那么，为什么即使概念紧缩参与了进入这个畛域的人数，编程自身却并没有变得更繁难呢？尤其是关于那些在新型概念紧缩技术发生之前就曾经在这个行业上班的人来说。

理想上，这里的状况相当复杂。虽然这些技术提高让编程变得更容易，但并没有从基本上降落编程所需的休息强度。要了解这一点，咱们须要讨论一个在软件开发畛域常年缺失的概念——那就是银弹处置方案。

ChatGPT对开发者来说是银弹吗？

FredBrooks在1986年的具有里程碑意义的论文《没有银弹——软件工程的实质与偶然》中开篇便提出了一个与本文讨论亲密关系的观念：

虽然我倡导你完整地浏览这篇文章，但其中一个外围观念是他对两种不同类型复杂性的讨论：偶然复杂性和实质复杂性。Brooks强调，这些复杂性是编程上班中无法或缺的要素，因此没有所谓的银弹能齐全处置这些疑问。

偶然复杂性：工具造成的疑问

在软件工程畛域，偶然复杂性是指由咱们用于成功义务的工具和笼统层带来的复杂性。这种复杂性也常被称为附加复杂性，由于它与工程师试图处置的外围疑问简直有关，关键是由于咱们经常使用的工具局限性造成的不用要复杂性。例如，编程言语、库、框架、测试方法、Web主机，以及用于数据库查问的言语都是偶然复杂性的起源。

须要明白的是，偶然并不等于不关键。实践上，许多开发者经常遇到的疑问往往与这种偶然复杂性有关。

编程中对人完美口头的高要求就是一个偶然复杂性的例子。与大少数偶然复杂性一样，这种复杂性可以经过改良工具和流程来减轻，甚至有或许在未来齐全消弭。Brooks也没有否定这一或许性。

实质复杂性：疑问固有的应战

在软件工程畛域，实质复杂性是与你所要处置的详细疑问严密关系的复杂性。以主题公园（如迪士尼乐园的FastPass）的游乐设备预定系统为例，无论你选用何种编程言语来成功这个系统，都须要处置一系列固有的复杂疑问，以确保软件的适用性。咱们将在后文进一步深化讨论这个案例。

实质复杂性也是造成开发难度参与的关键要素之一。你能否曾经想过，为什么程序员须要把握如此多看似有关紧要、但实则极端复杂的细节呢？这些都是他们在多年的职业生涯中不得不面对的实质复杂性。

以斯坦威钢琴工厂的员工为例，他们或许并不须要知道如何演奏钢琴。但是，关于那些须要为数字音频软件开发一个模拟斯坦威钢琴音效的插件的程序员来说，状况就不同了。为了准确地成功这项义务，他们不只须要了解钢琴的基本上班原理，还须要对和声学和共振有深化的意识。甚至还须要把握一些难以用言语形容的常识。这些常识更多地依赖于觉得和阅历。

那么，斯坦威钢琴的音色为何如此引人入胜？它与其余如Bösendorfer或Bechstein钢琴有何不同？想要在数字音乐畛域做出无心义的奉献，程序员必需片面了解这些要素。这也是他们常感到压力渺小的要素。在面对这些实质复杂性时，为了在这由纯正思维形成的畛域中锋芒毕露，咱们不只须要对完美口头有高要求，还须要精细地治理和掌控这些复杂性。

简直一切软件工程的提高都更多地缩小了偶然复杂性而非实质复杂性 。这甚至包含像ChatGPT这样的大型言语模型（LLMs）。

大型言语模型（LLMs）可以视为一种数字化的消息中心，能即时访问各种关键数据。在最理想的状况下，这些模型能够了解人类在书籍、互联网以及其余计算机关系文档中的一切有价值的消息。

经过训练后，LLMs能依据输入的提醒启动概率性的回应。关于每一个或许的回应词或token（或许是一个完整的词或词的一局部），模型会计算该词作为下一个词发生的概率，基于其在训练数据中观察到的形式。这个环节就像是一个基于训练数据来猜想下一个token会是什么的游戏。

令人惊讶的是，这种看似繁难的方法曾经是咱们目前能够成功的最凑近人类智能的技术。ChatGPT的最新版本甚至能成功大少数高中、大学和钻研生级别的义务。它们也能经过律师资历考试，虽然这更多地反映了咱们的考试形式，而不是模型自身能否能成为低劣的律师。虽然我不宿愿看到一个全由LLMs编写的书籍环球，但我必需抵赖，不能漠视它们的才干和后劲。特意是，它们在缩小软件工程中偶然复杂性方面表现杰出。

正由于LLMs的高度灵敏性，它们或许是迄今最有效的工具，用于缩小偶然复杂性对工程师时期的影响。LLMs不只能将你不相熟的编程言语翻译成你能了解的言语。它们还能教你如何高效地经常使用之前未接触过的工程工具，并甚至能协助你发现编译器和linting工具难以识别的代码失误。

更关键的是，与以往任何工具不同，LLMs是我第一次性遇到的能够减轻实质复杂性累赘的工具以咱们之前提到的迪士尼乐园极速通行证为例，假设咱们想实施一个相似系统在自己的主题公园，应从何开局？以下是我与Chat在这个主题上的一次性互动。

ChatGPT提供了一个极端详细的答案。但是，很难判别它能否仅仅是用更多的冗余词汇复述了我的疑问。它处置了任何实质复杂性吗？让咱们来问问！

关于对主题公园预定系统无所不知的人来说，ChatGPT的答案无疑是极具参考价值的。它甚至触及到了我不曾思索过的紧急处置方面。当然，专业的公园设计工程师或许会在这个答案中找出一些无余，但即使如此，这个答案为我提供了一个很好的登程点。

但是，这个答案更多地是对疑问的形容，而并没有给出详细的处置方案。那么，假设咱们进一步应用ChatGPT的才干，甚至让它开局生成代码，结果会如何呢？

在代码中，咱们进一步看到了在特定紧急状况下将预定从新调配给其余景点的思索要素。假设没有可用的游乐设备，它会向客户赔罪并提供抵偿。这会是最终用于消费环境的代码吗？当然不是。我将要破费很多时期来处置紧急系统的编写复杂性。这种复杂性有没有失掉实质性的缩小？答案是必需的。

ChatGPT的一个清楚短板是有输入和输入长度限度 。以ChatGPT-4为例，其最大照应长度限度为8000个token，大抵同等于单词数。这个数字听起来似乎很大了，但在实践生成代码的环节中，这一限度很快就会浮现，尤其是当你须要ChatGPT构建一个完整系统时。即使尝试经过屡次交互来打破这一限度，你也会发现ChatGPT开局疏忽你最后提出的需求细节。因此，人类工程师仍需手动治理ChatGPT的形态，以生成一个完整且连接的上班成绩。但是，这个限度或许不会终身存在。

ChatGPT还存在一个或许无法处置的疑问，即它有时会发生被称为幻觉的失误 。在这种状况下，ChatGPT会假造消息，甚至或许歪曲基础理想，以便更繁难地回应你的疑问。值得留意的是，当你指出这些失误时，ChatGPT通常会抵赖并纠正它们。

人类在作为LargeLanguageModels(LLMs)输入的品质控制方面施展着关键作用。尤其关于阅历较少的工程师而言，LLMs或许具有潜在风险。这些工程师或许过去曾依赖于基于社交信号（如StackOverflow上的投票、上的星标、Reddit上的批准）或仅凭共事的信赖来验证在线找到的不透明代码。但是，当触及到LLM时，这种方法并无法行。LLM或许会用和给出好倡导时相反的自信，提供不好的倡导。

确实，和长度限度疑问不一样，这个限度或许是无法克制的。关于那些多年来不时经常使用LLM的人来说，它简直曾经融入了技术的基本原理。对LLM启动专业级的人工监视是必要的—在评价ChatGPT针对现今软件需求的性能时，少数人关心以下几个疑问。作为一名资深软件工程师、产品设计师、守业公司CEO，以及ChatGPT的惯例用户，我将尽力给出这些疑问的真实回答。

Q：ChatGPT能否缩小构建和保养产品所需的软件工程师人数？

确实如此，尤其适用于小型团队。ChatGPT有效地降落了开发环节中的随机复杂性，同时也在必定水平上缩小了固有的复杂性，这样你就可以在不须要少量专业人才的前提下，也能构建完整的系统。

Q：ChatGPT能否参与可供招聘的工程师数量？

是的，ChatGPT使得编写现代运行程序关于初学者变得更为繁难。

Q：ChatGPT能否减轻软件工程的上班累赘？

是的，减轻水平清楚。

综上所述，虽然ChatGPT存在局限性，但它实践上是现代软件工程的一颗银弹，这也是第一次性证实布鲁克斯的失望预测是失误的。

这里有一个值得思索的疑问：我说ChatGPT使现今软件编写更繁难，但是，谁能保障未来不须要新的软件呢？

45分钟的困扰：一个团体阅历

在COVID-19疫情时期，许多人开局了远程上班形式。关于像我这样初次体验远程上班的人，通勤时期从曾经的漫长车程或地铁行驶瞬间缩短为从床到电脑的几秒钟。我的通勤时期从45分钟瞬间缩短到了3秒。

那么，我用这些额外的时期做了什么呢？多休息？或是在床上安适？并非如此，我反而找了各种琐事和无聊义务来填补我的早晨。比如，我开局步行45分钟来回，只为了买一个我以为每天早晨必需吃的早餐三明治。当咱们搬家后，我和我的妻子不得不驾车穿梭两个市区，以便让孩子继续在原来的日托服务中心。猜猜咱们每天的通勤时期是多少？没错，还是45分钟。

BruceTognazzini是一位上游的可用性设计专家和le人机界面指南（HIG）的开创人。他在1998年的一篇文章中曾讨论了软件工程与UI设计的复杂性疑问。该文章题为复杂性悖论，其中提出了Tog的通勤定律：

不论我对早餐三明治或远程日托服务的团体偏好如何，这种观念雷同适用于我作为软件用户的阅历。

我第一次性经常使用是在17岁时。过后我父亲领有一台早期的SonyMavica数码相机，该相机能将图片间接烧录到内置的迷你可写CD上。由于我简直总是待在电脑旁，因此人造而然地成了担任整顿这些照片的人。

我还记得第一张用于测试相机的照片，过后是我编辑的。照片是我站在全身镜前的特写，无论是镜子还是我自己，都显得不太整洁。我的衬衫上沾满了面包屑，脸上有不明物质，甚至牙齿里还有彩色的罂粟籽。我立刻开局经常使用Photoshop中最新推出的修复画笔工具，以改善我的笼统。经过一两个小时的致力，虽然结果看起来有些不人造，但总体上比原来要好得多。接着，我开局编辑下一张照片，那是我妹妹坐在沙发上，两侧各有一只不太快乐的暹罗猫。这张照片的疑问更多：相机捕捉到了沙发和我妹妹彩色裤子上的一切浅灰色猫毛，背景的白墙由于适度曝光而变得过于明亮，以致于我妹妹的面部特色都含糊了。最终，我丢弃了编辑，通知家人不如保管原样更好。这样看起来更人造，我解释说。我想他们接受了我的观念。

如今，我大多会在手机上间接编辑为家人拍摄的照片。但说到编辑，其实我简直没有做什么，由于现代的照片品质曾经相当杰出。虽然少花时期处置照片能多陪伴家人，听起来不错，但实践状况并非如此。

出于某种要素，我总是想进一步优化这些照片。我会将它们导入到最新版本的Photoshop中，启动一些两年前我还觉得无法思议的操作。例如，我会选用一张照片，而后经常使用Photoshop的GenerativeOutpainting（生成性图像裁减）配置，让AI依据周围的像素预测并裁减图像。在另一张拍摄于市区中心、人群单一的照片中，我会破费时期逐个删除其他人，让我妻子看起来似乎是地球上惟一的人。

但是，与近20年前经常使用修复画笔的阅历相似，我逐渐对这些初级工具和随之而来的复杂性感到厌倦。这些工具运转缓慢，容易出错，通常须要屡次尝试才干到达满意的效果。处置几张照片后，我通常会觉得耐烦已尽。而后，我就转去做其余事件。

这正是Tog的通勤定律所提醒的一个繁难但令人丧气的兽性假相：咱们生存中的许多复杂性和曲折不只是自我形成的，还遭到一种隐形但耐久的平衡机制的影响。

在未来，程序的基础复杂性或许会到达一个令人难以置信的水平。只要当咱们将人类的发明性与LLM（大型言语模型）的消费劲相联合，这种复杂性才或许变得可治理。与此同时，由于大少数竞争市场的零和性质，咱们依然面临着自计算机迷信降生以来不时存在的休息疑问。即使咱们处置了一切已知的疑问，新的应战和疑问也会不时发生，从新制造出相反的困境。总之，生存就像一场舞蹈，两步向前，两步向后。

在完结之前，我想说，虽然ChatGPT不能终身处置软件工程的各种疑问，但这并不象征着软件开发的体验不能失掉改善。这就是为什么咱们一切人都须要从如今开局关注这些模型。特意是那些对大型言语模型（LLM）持负面态度的人，由于这些模型仍处于开展初期并具有可塑性。

大型言语模型（LLMs）势无法挡，但咱们可以影响它们

虽然像ChatGPT这样的LLMs存在多种疑问，从短期和常年角度来看，工程师接管这些模型仍合乎咱们的最佳利益。它们不只简化了以后的软件开发流程，而且或许是咱们凑近无劳作形态的最佳途径。更为关键的是，随着用户需求的不时演化和LLMs带来的消费劲优化，这些模型将成为未来软件开发的关键工具。

这并不象征着咱们应无条件接受LLMs所带来的一切反作用。实践上，工程师而非上层治理人员将最终选择这些工具如何整合到咱们的上班流程中，以及在哪些详细名目中运行它们。此外，咱们还须要明白哪些义务应由人类成功，以保管人的共同价值。

假设你是一名软件工程师，如今正是时刻与你的治理层协作，让他们了解并接管LLMs在其长于的畛域（比如，辅佐软件开发）的运行，同时也要疏导他们规避潜在的风险（例如，齐全代替人类成功关键义务）。

如今也是制订与LLMs交互的最佳通常的好机遇，比如保持经常使用明白的提醒和智能代码补全，以及探求如何缓解它们的关键缺陷（例如，经过参与社会信号来评价倡导的品质）。此外，咱们还须要为新入行的工程师做好预备，由于他们从职业生涯的第一天起或许就曾经会经常使用这些工具了。

关于工程治理层，如今是时刻与工程师协作，制订详实和务虚的政策，这些政策不只接受LLMs的无法防止性，还着重于教育员工关于它们或许带来的常识产权风险、安保隐患以及对程序员常年才干的潜在影响。这一点尤为关键，由于咱们的一项考查显示，虽然89%的员工活期经常使用AI工具，但只要少数人明白了这些工具的安保经常使用政策。

一旦你把握了这些最佳通常，与他人和群众分享这些消息是至关关键的，这样咱们都能更好地顺应这个由AI辅佐的工程工具主导的新时代。咱们目前正在Kolide上制订AI的可接受经常使用政策，并方案在有成绩后尽快与大家分享。

LLMs虽然不完美，或许永远也无法到达完美，但咱们可以经过继续致力来改善这种状况。最终，LLMs将成为每位软件工程师工具箱中无法或缺的一局部。虽然如此，这个工具箱依然会牢牢地依靠于一个真实的人类，即使他的薪资很高，也或许并不总是面带浅笑。

参考链接

chatbot真的会取代程序员吗？

首先，要澄清的是，ChatGPT是一种聊天机器人技术，它可以根据用户的输入来生成相应的回应，从而模拟人工智能的行为，但并不能完全取代人类的行为。 因此，ChatGPT的出现并不会导致底层程序员失业。 虽然ChatGPT的出现可能会对人工智能行业的一些低端的程序员造成影响，但是这种影响是有限的。 因为ChatGPT只是一种聊天机器人技术，它只能模拟人工智能的行为，无法完全取代人类的行为。 例如，ChatGPT无法完成复杂的程序设计任务，无法给出有效的解决方案，也无法为人类提供实质性的帮助。 此外，ChatGPT的出现有可能会带来一些新的就业机会。 因为ChatGPT的设计和开发需要一定的技术支持，这需要程序员的参与，他们可以通过设计新的程序来改善ChatGPT的性能，或者提供改进ChatGPT的技术支持。 此外，ChatGPT的发展也可能为人工智能领域带来新的技术创新，进而为程序员提供新的就业机会。 总之，ChatGPT的出现并不会导致底层程序员失业。 ChatGPT只是一种聊天机器人技术，它不能完全取代人类的行为，只能模拟人工智能的行为。 此外，ChatGPT的发展也将为程序员提供新的就业机会，因此底层程序员不会因ChatGPT的出现而失业。

chatobt会不会让底层程序员失业呢？

ChatGPT 不会让底层程序员失业。因为它不仅可以为软件开发提供更多可靠的代码选项，而且还可以更聪明地对接现有系统，从而为高层程序员提供更多创新及开发空间。

说到 ChatGPT，一定要提到它的亮点——自动生成的高质量的代码。它利用语言模型可以使用更优秀的底层代码，加快重复性工作的效率，充分利用有限的时间，让底层程序员更多地放空脑袋思考“对于某一功能，最优解是什么”。ChatGPT 还可以帮助高层程序员使用更加聪明的技巧来实现自己的梦想，并能以一个简洁而又易懂的架构实现它。

同时，ChatGPT 的应用还可以提升系统的可扩展性和稳定性，这对于让架构可以支持更多的功能很有帮助，而且它让开发的系统可以顺利的扩展到更大的规模，这也大大为底层程序员减轻了负担。

另外，ChatGPT 还带来了一个新的开发模式，这就是将先进的聊天机器人融入产品研发，让客户可以通过聊天对话来对产品进行修改和定制。这让程序员可以更加快速地完成修改和定制，从而使得客户在使用中更加快捷地获得满足。

总之，ChatGPT 不会让底层程序员失业，而是增加了他们的工作机会，因为它可以为程序员提供更多有价值的代码，同时帮助软件开发把时间和能量转化成创新的产品，从而提升企业的效益，更有利于底层程序员的工作发展。