代码即一切：大型语言模型的局限性与代码生成的优势

本文作者质疑了多组件流水线（MCP）在实际应用中的有效性，认为其过分依赖推理，导致效率低下且难以扩展。作者通过自身经验，以将reStructuredText转换为Markdown为例，阐述了利用大型语言模型生成代码，再由代码执行任务，最后再用大型语言模型验证结果的流程。这种方法降低了对推理的依赖，提高了可信度和可扩展性，尤其适用于需要重复执行的任务。作者认为，虽然MCP在某些特定场景下表现出色，但其固有的局限性使其难以应对大规模自动化需求，未来应探索更有效的代码生成方法，并结合大型语言模型进行验证和解释，以提升其可用性和普适性。