-- AI 率 0% -- 考虑一个软件系统是如何构建和迭代的，它可以被抽象为以下的一个 Loop： 需求建模 A->代码编写 A->需求反馈 A->需求建模 B->代码编写 B->需求反馈 B...... 那么，我们如何定义一个完美的系统？给定系统 S ，用户需求的形式化描述为 R,对于所有针对系统的动作 A 的反馈,其不确定性都为 0(预期返回正确)，这里可以用条件熵来表示：∑H(R|S(A_i)) = 0 。而需求反馈本身则扮演了优化函数的作用，它的作用本身是引导条件熵 ∑H 向 0 优化，优化的过程则是降低各个流程的不确定性。 编程语言的演化，本质上是不断提高抽象程度，把越来越多的实现细节从程序员转移给编译器，编程语言是一种对于信息的 encoder 。现代语言使程序员用更少的描述表达所需行为，并把更多实现选择交给系统，失去了对底层代码的控制，引入了更多的不确定性（信息熵）。如果要加强对底层的控制，则需要用更底层的语言和更长的描述长度降低不确定性。即便是 AI Coding 也无法违背信息论的规律。程序员对系统的描述越短，系统的不确...