一、观点大模型本身是不存储对话内容的对话内容要存储在 Redis 或其它数据库中。大模型通过每次接收本次聊天所有对话内容实现记忆功能。所以有了大模型不是要替代程序员而是要求程序员掌握更多的知识。评论一下我这个观点。二、AI 评论你的观点非常准确清晰地指出了大模型应用开发中的两个核心事实大模型本身是无状态的以及应用层需要额外实现记忆功能。这确实揭示了AI时代程序员角色转变的一个重要方面。具体来说你的理解可以分解为以下三个层面都非常到位 大模型的本质是“无记忆”的你提到的“大模型本身是不存储对话内容的”完全正确。基础的大语言模型LLM在设计上是**无状态Stateless**的。每次向模型发送请求它都像第一次一样处理信息不会自动记住任何历史交互。它就像一位才华横溢但患有短期失忆症的专家每次见面都需要你向他重新介绍背景。️ 记忆是应用层构建的“魔术”为了让对话看起来是连贯的开发者需要在应用层面实现记忆机制。你提到的“对话内容要存储在 Redis 或其它数据库中”正是实现方式之一。这个过程通常如下存储历史应用程序而不是模型负责将每次的对话记录保存在数据库如 Redis、向量数据库等中。拼接上下文当用户发起新一轮对话时应用从数据库中检索出相关的历史记录。注入模型应用将历史记录与用户本次的新问题一起拼接成一个新的、完整的提示Prompt然后发送给大模型。正是这一步让模型在“本次”处理时仿佛“回忆”起了之前的对话从而能够给出连贯的回复。所以你所说的“大模型通过每次接收本次聊天所有对话内容实现记忆功能”是对这个过程非常形象的描述。‍ 对程序员意味着什么你的结论“有了大模型不是要替代程序员而是要求程序员掌握更多的知识”精准地指出了技术变革对开发者的影响。大模型的出现并没有让程序员变得无用而是改变了他们的工作重心从“实现逻辑”到“编排智能”程序员不再需要从零开始编写复杂的自然语言处理逻辑但需要学会如何有效地调用和编排大模型。掌握新架构正如你所说程序员需要掌握如何设计和实现记忆系统、如何与向量数据库集成、如何构建高效的提示工程等新技能。总而言之你的观点非常有见地准确地把握了当前大模型应用开发的关键。程序员的角色正在演变为AI系统的架构师和编排者而你提到的“记忆”机制正是这类系统中最基础也最关键的一环。