LLM 是一个函数
想发散就少给输入，想收敛就多加约束——控制的不是「更努力地描述」，而是输入的量与约束的强度。
LLM 是一个函数。你给它什么，它就还你什么。
当你要发散性思维的时候，就少给它一些输入：输入越少，解空间越大，它才可能给出你没想到的方向。过早把自己的答案塞进去，拿回来的往往只是自己答案的回声。
当你要开始收敛的时候，就多加一些约束：格式、边界、标准越明确，输出越确定、越接近能直接使用的结果。
发散靠减法，收敛靠加法——同一个函数，旋钮在你手上。
标签：抽象
不看代码，会是编程的未来吗？
当 AI 把代码变成新的抽象层，新一代开发者是否会像今天忽略内存一样不再阅读代码？
没有经历过“古法编程”的新一代开发者，是否真的会逐渐不再看代码？
这也许并非完全不可想象。今天使用第三代、第四代语言的开发者，通常不会持续关心每一次内存分配或底层指令；更高层的抽象让我们把注意力放到意图和结果上。
当 AI 成为新的抽象层，代码会不会也像内存一样退到幕后？未来真正重要的能力，可能不再是逐行阅读代码，而是能否表达清楚问题、验证结果，并在系统出错时承担责任。
如果不看代码成为常态，边界在哪里？这究竟是编程自然演进的未来，还是把尚未解决的风险藏进了一个更大的黑盒？
