在虚拟世界，现阶段的AI逐渐呈现出高级3D打印机的特点，或者说，就是“什么都能造”，只要你提出正确的需求。对人类来说，工作是被简化了。然而，需求，或者说常规需求模式，也是可以被学习的。

例如，最开始程序员使用Copilot，“请帮我写一个后端server，按照aaa格式定义API，需要具有bbb功能，用ccc编程语言，在ddd环境下运行，使用eee分布式算法”。对于具体的函数代码块，Copilot去学习经典、常见的实现即可。

再后来，是架构师层次，“请帮我设计一个aaa系统，C/S架构，具有bbb功能……”。在这里，本来需要程序员实现的部分，已经由AI学习程序员思维逻辑在特定场景下提出的需求簇代替，自提问，自填充。

再后来，是研发/产品经理层次，“请帮我设计一个aaa产品，具备以下功能（列表），使用bbb架构，ccc语言，具备ddd等特点……”。同上，AI学习需求已经递归到了架构师层次。

再后来，是市场侧，“请帮我设计一个aaa产品，对标bbb产品，具备它的所有功能，另外添加ccc功能，同时准备好宣传胶片和定价”。同上。

再后来，甲方，“我想要一个aaa产品，这是我的云账号，请在下午三点之前设计实现并完成测试，部署完毕，将账号以邮件形式给大家”。

类似微分方程的通解和特解的关系一样，面对实际问题，需求描述只要能提供上下文（context），技术上就能实现对通用思路的约束和修改（甚至移植和融合）。

这个过程看起来只涉及软件工程，但是影响却在社会生产方方面面。但是反过来说，它其实也漏了很多过程和方面，这些过程和方面可能是未来的机会。

另外，目前来看，个人感觉这个回溯层次不会无限往上，而是会到某个层后显著下降，逐渐停止，像负指数幂指数函数。需求就像API一样，不断往上不断抽象，牺牲的是灵活性和准确性，优势在于屏蔽复杂性并实现封装可替换。然而，人不是无脑提需求的，需求函数携带的参数不会无限减少，否则到最后，就只剩下一个词语：让我满意。普遍人性对需求的苛刻程度决定了参数长度，而参数长度决定了回溯层次高度。

当然，也只是目前来看。毕竟，不断发展的计算机科学及相关技术，是人类逻辑理性满足感性的产物。