1978 年，Dijkstra 写过一篇著名短文：
《论"自然语言编程"的愚蠢》。
他说，自然语言最大的问题，不是不好懂，而是太容易让人以为自己说清楚了。
48 年后，大模型时代来了。
很多人忽然发现：
咦？ 怎么 Dijkstra 好像又对了？
AI 写代码时，需求总漏。 上下文一长就跑偏。 "差不多"的描述最后总会变成"差很多"。
于是整个行业又开始疯狂补各种：
spec、test、guardrail、harness、CI/CD、agent protocol……
看起来仿佛绕了一大圈，又重新回到了"形式化"。
但我越来越觉得：
很多人还是没真正看懂大趋势。
因为他们默认：
未来仍然需要人类持续、细粒度地主导整个形式化过程。
而这恰恰可能只是过渡阶段。
真正的变化其实是：
形式化不会消失。 但承担形式化的人，正在从人类变成机器。
过去：
人必须自己把一切写得极其严格。
因为旧计算机太"脆"。
一次执行。 没有反思。 没有回路。 没有动态反馈。 自然语言里的歧义会直接变成灾难。
所以那个时代：
形式化是人类不得不背负的痛苦。
但今天的大模型系统已经不一样了。
它不是：
"自然语言 → 编译器"。
而是：
自然语言 → 推理 → 试错 → 环境反馈 → 自我修正 → 测试 → 再迭代。
这本质上已经不是传统程序执行。
而是一个动态闭环系统。
所以：
歧义对于"一次性执行"是致命的。
但对于： 有反馈、有回路、有迭代、有最终验收的系统，
歧义未必是问题。
人类自己其实一直就是这么工作的。
小孩学语言不是靠 formal grammar。 创业公司也不是靠 type system 开会。 情侣聊天更不是 protocol buffer。
大家靠的是：
说错了以后，世界会给反馈。
所以 AI 时代真正的变化，可能不是：
"自然语言取代形式化"。
而是：
机器开始替人类承担越来越多形式化工作。
未来很多 today's best practice：
复杂 spec、繁琐流程、过度人工 review、甚至某些 ritual 化的软件工程，
都可能像当年的手工汇编一样，
逐渐退化成机器内部自动完成的"编译层细节"。
人类重新回到：
目标、方向、审美、价值判断。
而机器负责：
把模糊意图逐渐压缩成精确执行。
这也许才是 Dijkstra 当年真正没预见到的事。
