1978年就有人预言：自然语言编程是愚蠢的

在AI编程助手遍地开花的今天，"用自然语言写代码"被包装成一场革命。但早在1978年，计算机科学先驱Edsger W. Dijkstra就写下了一篇题为《论"自然语言编程"的愚蠢》的短文（EWD667），对"让机器理解人类语言就能编程"这一想法泼了一盆冷水。这篇旧文最近在Hacker News上重新引发热议，获得335个点赞和224条评论。它之所以能穿越近半个世纪再次击中痛点，是因为当下大模型驱动的"自然语言编程"浪潮，恰恰在重演Dijkstra当年警告过的认知陷阱。

Dijkstra到底在反对什么

EWD667的核心论点并不复杂：自然语言是为模糊、多义、依赖语境的人类交流而演化的，而程序要求的是精确、无歧义、可机械执行的指令。把二者混为一谈，等于假设"人类语言的模糊性"可以被某种魔法消除，而Dijkstra认为这种假设本身就是对编程本质的误解。

他的批评对象并非"用自然语言描述需求"这一行为——那本来就是软件工程的日常。他反对的是把自然语言本身当作编程语言来使用，即认为只要表达得足够自然，机器就能正确理解并生成程序。在Dijkstra看来，编程的困难不在于敲代码的语法，而在于把模糊的意图形式化为精确的逻辑结构，而这个形式化过程恰恰是编程的核心价值所在。

EWD编号是Edsger W. Dijkstra自1960年代起为其技术札记（Technical Notes）使用的编号体系，前缀“EWD”取自其全名缩写。这些札记并非正式发表的论文，而是他随手记录的想法、讲义与短评，累计超过1300篇，涵盖算法、程序设计方法学、教育理念乃至计算机科学的社会影响。EWD667即其中一篇，写于1978年，篇幅仅数页。由于Dijkstra习惯将手稿复印分发给同行，EWD系列在学术圈内以非正式渠道流传，后经整理在其母校荷兰特温特大学（University of Twente）等机构存档并数字化。这些短文往往言辞犀利、观点鲜明，EWD667正是其中被引用最多的篇目之一。

五十年后，同样的争论换了包装

Hacker News评论区里，不少开发者指出，当下"用自然语言编程"的叙事与Dijkstra批判的对象高度同构。大模型可以把你的一句话变成可运行的代码，但代码是否正确、是否做了你真正想要的事，仍然取决于你能否把需求精确地表达出来——而这恰恰是自然语言最不擅长的事。

一位评论者的总结颇具代表性：自然语言编程降低了入门门槛，却把复杂度转移到了"验证"环节。你不需要再学语法，但你需要更仔细地审查AI生成的每一行代码，因为模糊的指令会产生看似合理实则错误的结果。这与Dijkstra的观点形成呼应：编程的难点从未在于语法，而在于思维的精确性。

也有评论者持不同看法。他们认为Dijkstra写作的时代，机器理解自然语言的能力几乎为零，而今天的大模型已经能在相当程度上处理歧义和上下文。这部分观点认为，EWD667的批判针对的是"把自然语言当作替代品"，而当下更现实的做法是"自然语言作为接口，形式化验证作为保障"——两者并非非此即彼。

**形式化验证（formal verification）**指用数学方法证明程序满足某种规约（specification）的技术，如模型检验、定理证明、霍尔逻辑等。其核心思想是：不依赖测试抽样，而是穷尽地或演绎地证明程序在所有合法输入下都满足预期性质。文中评论者提出的“自然语言作为接口，形式化验证作为保障”，指的是让大模型把自然语言指令翻译为代码，再借助形式化工具（如SMT求解器、类型系统、契约检查）验证生成结果是否满足不变量。这一思路的局限在于：形式化规约本身仍需精确表达，而把模糊的自然语言指令自动转化为形式化规约，本身就是尚未解决的难题。因此它更像是把Dijkstra强调的“形式化”环节后移而非消除。

对AI编程工具的真正启示

这场跨越近半个世纪的对话，对今天做AI编程工具的人有几点实际意义。

第一，不要把"自然语言输入"营销成"不需要精确思考"。工具越强大，越需要用户具备把意图拆解为可验证步骤的能力。Dijkstra的警告在今天转化为一个产品设计问题：如何帮助用户发现自己的指令是模糊的，而不是假装模糊不存在。

第二，验证环节的价值在上升而非下降。当生成代码的成本趋近于零，审查和理解代码的成本就成了瓶颈。围绕"让用户高效验证AI输出"构建的能力，比单纯提升生成质量更有护城河。

第三，自然语言与形式化语言的边界需要被尊重。需求讨论可以用自然语言，但关键逻辑、接口契约、不变量，仍然需要精确的表达方式。把二者混为一谈的工具，最终会把模糊性带来的风险转嫁给用户。

结语

EWD667只有短短几页，却在近五十年后依然能引发两百多条讨论，这本身就说明问题没有被解决。自然语言编程不是新话题，Dijkstra的"愚蠢"论断也不是要否定技术进步，而是提醒我们：语言的形式决定了思维的边界，编程的精确性要求不会因为接口变得更"自然"而消失。对AI编程工具而言，真正的机会不在于让编程看起来更简单，而在于帮助用户在自然语言的模糊与程序的精确之间，建立一座可靠的桥。