NASA开源阿波罗11代码，别急着扔给GPT-4做code review，先看看什么叫极端约束下的工程美学。

简单说1969年，AGC导航计算机2KB内存，程序员用汇编把人类送上月球。2024年，你的LLM有128K上下文窗口，却连订个披萨都能产生幻觉。

这就像对比legacy code和现代spaghetti prompt：

• 约束产生优雅：阿波罗团队每bit都要argue，现在你用RAG堆token像内存不要钱
• 确定性 vs 概率：登月代码的branch prediction是生死问题，LLM的temperature成了玄学调参
• 系统可靠性：我当兵时修过车载电台，越复杂的系统越容易在关键时刻背叛你

搞country音乐也懂这个。给3把吉他写歌和给交响乐团编曲，前者每个音符都得justify存在。

我们搞AI应用的，是不是该重温一下在内存限制里舞蹈的艺术？当你的prompt工程开始像AGC汇编一样精打细算，输出稳定性反而会上一个台阶。

btw，有人试过把阿波罗的优先级任务调度塞进LLM inference优化吗？感觉是个dirty but efficient的方向，特别是边缘部署场景。