流式编程：AI 与人类协同新范式

我想到这一刻，每个阅读此文的人都已经看过新一代大型语言模型（如 ChatGPT）如何能够生成相当有用的代码。与软件开发的任何进步一样——从 IDE 到高级语言——这激发了人们对我们领域就业前景的讨论。

这让我思考这些新工具如何能融入 Flow-Based Programming 的世界，这是我参与了相当长时间的一项软件开发技术。在 Flow-Based Programming 中，可重用的"库代码"（称为 Components）和"应用逻辑"（称为 Graph）之间有非常严格的边界。

以下是已故的 J. Paul Morrison 在其开创性著作《Flow-Based Programming: A New Approach to Application Development》（2010）中对此的表述：

就像在食物的准备和消费中有厨师和食客两种角色一样，在 FBP 应用开发中有两种不同的角色：组件构建者和组件用户或应用设计者。

……应用设计者使用已存在的组件构建应用，或者当令人满意的组件不存在时，他/她会指定一个新组件，然后考虑如何让它被构建出来。

回忆起这段话让我想知道，我能让一个 LLM 生成有用的 NoFlo 组件吗？手持 New Bing，我开始探索。

第一次尝试是指定一个相当简单的组件：

这看起来相当合理！我也尝试让 New Bing 让这个组件更简洁，以及生成相同组件的 TypeScript 和 CoffeeScript 变体。所有这些似乎都能产出可用的东西！当然，可能需要一些整理，但这可以消除大量组件创建的繁琐工作。

除了这个琐碎的数学组件外，我还能够生成一些调用外部 REST API 等的组件。Bing 甚至能够根据请求在 HTTP 库之间切换。

更酷的是它实际上建议我询问它如何测试该组件。按照它说的做，结果相当令人惊讶：

这是 fbp-spec！我们提出的声明式测试工具！绝对是测试 NoFlo（或任何其他 FBP 框架）组件的最好方式。

根据我的结果，在运行生成的组件和测试之前，你一定想检查它们。但你得到的输出一点都不差。

当然，我也尝试让 Bing 为我生成 NoFlo 图。这是它相当失利的地方。有趣的是，fbp 语言的结果比 JSON 图格式要好。但这甚至更能强调，最佳切入点可能是 AI 编写组件，而人类创建运行这些组件的图。

由于我目前没有工作，我对这种协作方式没有现成的用例。但我相信这可能对任何（特别是基于流的）应用开发来说是一个巨大的生产力助推器，我期待在我下一份工作中尝试它。

插图：MidJourney，来自提示 Robot software developer working with a software architect. Floating flowcharts in the background

阅读更多 Flow-Based Programming 文章。