1975 年，Altair 8800 的诞生开启了个人计算的时代，但操作它的方式却极其原始，需要通过拨动开关来输入二进制指令。如今，我们拥有了像 GPT-4、Claude 和 Gemini 这样强大的大语言模型（LLMs），但使用它们仍然面临着挑战，仿佛回到了 Altair 时代。本文将探讨大语言模型目前所处的阶段，以及如何通过抽象层的构建，让更多人能够轻松驾驭这些强大的工具，就像当年 BASIC 语言让计算机走进千家万户一样。这或许是大语言模型领域的“Altair BASIC 时刻”。
1. 回到 1975：拨动开关编程的时代
想象一下，没有屏幕、没有键盘，只有一堆拨动开关和闪烁的灯。这就是 1975 年的计算机编程体验。程序员需要通过拨动开关设置二进制数字（1 和 0），代表指令或内存地址。然后，按下按钮将指令存储到内存中。这个过程必须一遍又一遍地重复，一次一个字节。如果犯了错误，就必须从头开始。这种编程方式不仅需要技术知识，还需要极大的耐心和毅力。只有极少数极客才能驾驭。
这与今天使用大语言模型面临的挑战有着惊人的相似之处。虽然 LLMs 具备强大的能力，可以撰写文章、编写代码、回复邮件等，但要有效地使用它们，需要掌握一系列微妙的规则，例如：最佳的 prompt 结构是什么？如何管理长文档的Token？如何添加记忆？如何保持模型基于事实？如何将多个模型链接在一起？如何避免幻觉？
2. BASIC 的诞生：计算领域的革命
Bill Gates 和 Paul Allen 意识到，如果普通人能够使用文字而不是开关与计算机交互，那么这台机器将会变得更加强大。因此，他们编写了一个名为 BASIC（Beginner’s All-purpose Symbolic Instruction Code）的编程语言版本，可以在 Altair 上运行。
突然，人们不再需要拨动开关，只需键入简单的代码，例如：
10 PRINT "HELLO WORLD"
20 GOTO 10
计算机就会按照指令执行。BASIC 就像一个翻译器，连接了人类和机器。你不需要了解二进制或硬件内部结构，只需要有逻辑思维，表达你想要的结果即可。这个小小的解释器仅占用 4KB 内存，却开启了微软的崛起，并推动了个人计算革命。
3. 大语言模型：能力强大但难于驾驭
现在，让我们快进到 2025 年。我们拥有了像 GPT-4、Claude 和 Gemini 这样强大的大语言模型。这些模型可以执行各种复杂的任务，但它们仍然难以正确使用。
原因在于，大多数人不知道如何有效地与它们“交谈”。例如，prompt 工程就成为了一门新兴的学科。我们需要学习如何设计有效的提示语，以便让模型能够理解我们的意图并给出准确的答案。此外，Token 限制也是一个重要的考虑因素。由于 LLMs 处理文本的长度受到限制，我们需要采取一些技巧来管理长文档，例如将文档分割成较小的块，或者使用摘要技术。
4. Andrej Karpathy 的警告：软件堆栈正在改变
在最近的一次主题演讲中，人工智能研究员 Andrej Karpathy 提出了关于软件编写方式的新思路。他将软件发展分为三个时代：
- Software 1.0：传统的代码，由人类逐行编写。
- Software 2.0：机器学习，通过在数据上训练模型来学习模式。
- Software 3.0：自然语言作为接口。我们描述我们想要什么，模型会找出如何去做。
Karpathy 认为，我们目前尚未完全进入 Software 3.0 时代。大语言模型很强大，但也存在一些问题。它们会忘记事情，会编造事实，而且它们不知道自己不知道什么。因此，Karpathy 建议我们不要构建完全自主的“机器人”，而是构建副驾驶（co-pilots）——辅助我们但仍然由我们掌控的工具。
5. 构建大语言模型的 BASIC：新的抽象层
就像当年 Bill Gates 和 Paul Allen 所做的那样，我们今天也需要为 AI 构建新的抽象层。他们没有发明新的芯片，也没有改变硬件，而是构建了一个新的交互方式，让每个人都可以使用计算机。
我们需要工具、语言和平台，它们位于 LLMs 之上，使其更易于使用。例如：
- 无需担心 Token 限制或记忆窗口的界面。
- 可以将多个 LLMs 组合成工作流，而无需编写数千行编排代码的工具。
- 可以访问工具、搜索引擎、数据库的 AI，而无需构建自定义管道。
这些新的层将像现代操作系统一样，将你的意图翻译成 LLMs 可以可靠执行的结构化任务。例如，LangChain 和 LlamaIndex 这样的框架正在尝试解决这些问题，它们提供了一系列工具和模块，可以帮助开发者构建更复杂的 LLM 应用程序。
AI 领域的赢家不仅是那些构建最佳原始模型的人，而是那些将这些模型封装在直观、安全且强大的工具中的人，就像 BASIC 封装机器代码一样。
6. 历史的教训：抽象的重要性
Altair 的故事告诉我们：抽象很重要。你可以拥有世界上最强大的引擎，但如果没有人会驾驶它，它就是无用的。BASIC 让普通人可以使用计算能力。我们同样需要为 LLMs 做到这一点。
随着可访问性的提高，采用率会呈爆炸式增长。BASIC 诞生后，Altair 不再只是极客的玩具，而是成为了每个人的计算机。
我们正处于一个新时代的开端。Altair 看起来不像 iPhone，但它是第一步。今天的 AI 工具可能感觉笨拙，但它们正在铺平道路。例如，Midjourney 和 Stable Diffusion 这样的图像生成模型，通过简单的文字描述就能创造出令人惊叹的图像，极大地降低了创意设计的门槛。
7. 似曾相识的分岔路口
1975 年，我们站在一个分岔路口：将计算保留给极客，还是使其普及？Gates 和 Allen 选择了普及，一切都改变了。
今天，我们面临着同样的抉择。我们可以将 AI 锁定在复杂的层层之下，仅供研究人员和 prompt 工程师使用。或者，我们可以构建 “LLMs 的 BASIC”——一个使 AI 像编写句子一样可用和直观的层。
总有一天，你可以要求 AI 构建一个应用程序、管理你的财务、生成一个故事，甚至总结一个 YouTube 视频——它就会正常工作。
那一天尚未到来。但它正在到来。它会感觉很像 Altair 上的那些闪烁的灯最终拼出：
“HELLO WORLD.”
8. 总结：迎接大语言模型的普及时代
大语言模型的潜力毋庸置疑，但要真正释放其力量，我们需要构建更易于使用的工具和平台，就像当年 BASIC 为计算机所做的那样。通过构建新的抽象层，简化 prompt 工程的复杂性，解决 Token 限制等问题，我们可以让更多人能够轻松驾驭这些强大的模型，从而推动 AI 的普及和创新。让我们一起迎接 大语言模型 的 “Altair BASIC 时刻”，让 AI 真正地服务于每个人。而现在，许多公司都在朝着这个方向努力，例如专注于AI Agent 平台的 秘塔AI搜索，无需用户进行复杂的Prompt设计，即可快速完成信息查询和总结。未来，随着技术的不断发展，AI 的应用场景将会越来越广泛，为我们的生活和工作带来更多的便利。