主要观点：大型语言模型（LLMs）在理解自然语言语境方面日益先进，新兴的使用 LLMs 作为 API 的范式正在出现，改变了软件构建和用户与软件交互的方式。
关键信息：

• 传统 API 是确定性的，每次调用得到相同响应；LLM API 可将自然语言查询转换为 API 输出，自动处理任务，无需技术知识。
• LLM API 能处理模糊查询，结合多源数据并返回用户友好总结，不再只是助手，而是可编程、有上下文感知的软件接口。
• 对于 API 开发者，需适应新技能要求，如创建提示模板、优化延迟和令牌使用、设置防护栏等，催生了 LLMOps 这一新学科。
• API 用户可选择调用不同类型的 API，需确保 API 适合目的，具备 AI 素养并适应与 LLM API 的交互。
• 非技术用户也能受益于 LLM，通过自然语言进行多方面查询，替代复杂操作，如产品经理、设计师等。
• 最大的转变是概念上的，API 表面变为语言，从刚性接口转向更自适应、对话式和智能的系统，企业应将其视为可定制的智能层。
  重要细节：
• 以“获取用户 123 的订单”为例，传统 API 需手动过滤和聚合 JSON 数据，而 LLM API 可直接生成“用户上个月订购了什么”的自然语言输出。
• 开发者要关注创建提示模板引导模型行为、缓慢集成 LLM API、理解不必全部转换为 LLM API 等方面。
• API 用户要确保 API 适合目的，具备 AI 素养，如旅行预订应用可结合传统 API 和 LLM API 满足不同需求。
• 非技术用户可通过自然语言进行复杂查询，如营销经理、销售代表等可利用 LLM 生成内容和进行交互。