LLM

Karpathy 新项目解读:AI 智能体如何重写编程规则

Andrej Karpathy 透露自去年 12 月以来他再没敲过一行代码——AI 智能体现在编写他 80% 的代码。这对 2026 年的开发者意味着什么?

Karpathy 新项目解读:AI 智能体如何重写编程规则

转变发生在 12 月

Andrej Karpathy——计算机科学家、AI 研究员、OpenAI 联合创始人、前特斯拉 Autopilot 项目负责人——在 2026 年初做出了一个惊人的透露:自去年 12 月以来,他再没敲过一行代码。

在短短几周内,Karpathy 从编写约 80% 自己的代码转变为几乎不写代码。比例从 80-20(人 - 智能体)翻转为 20-80。某些东西突然改变了。从编写到委托的转变发生在一个月内。

这不仅仅是一个生产力技巧。这是软件构建方式的根本性转变。

“氛围编程”的诞生

Karpathy 在 2025 年初引入了“氛围编程”(vibe coding)这个术语,用来描述随意提示 AI 生成代码而最小化监督。它适用于快速项目,不适用于生产系统——至少他曾经是这么想的。

现在,他是氛围编程已经演变成更强大力量的活生生的证明。他的工作流程完全转变了:

  • 将目标分解为任务——拆解复杂问题
  • 将任务分配给智能体——委托实现
  • 在宏观层面审查输出——检查结果,而非逐行审查
  • 迭代指令——优化提示,而非代码

现在正在培养的技能是判断力:委托什么、如何指定、如何快速审查。

意图规范是新的编程

“代码甚至不再是正确的动词了,”Karpathy 说。”但我必须每天向我的智能体表达我的意愿 16 小时。展现出来。”

你不再编写代码。你在陈述意图。这需要不同的能力:

  1. 清晰的问题分解
  2. 精确的指令编写
  3. 快速的输出验证
  4. 战略性的委托决策

如果你的默认工作流程自 2024 年末以来没有改变,你已经落后了整整一代专业人士。

参差性问题

Karpathy 用一个贴切的比喻描述 AI 智能体:”同时感觉像是在和一个极其聪明的博士生交谈,他一生都是系统程序员,又像个 10 岁小孩。”

这就是参差性(jaggedness)——模型的能力不均衡,而人类不是这样。一个系统编程的人类专家可能在相邻领域也不错。AI 模型解决了困难的分布式系统问题,然后在一些显而易见的事情上失败。

为什么?强化学习改进了所有可验证的东西: - 代码能运行吗? - 测试通过了吗?

更柔和的信号,比如知道何时停下来提问,完全落在这个循环之外。

你的工作是在 10 岁小孩时刻复合之前抓住它们。

智能体超越人类的时候

这里变得令人谦卑。Karpathy 手动调整了 NanoGPT——二十年的经验,认为它已经优化得很好。他错了。

他让 AutoResearch 运行了一夜。它带回了他没看到的调整: - 值嵌入上的权重衰减错误 - Adam betas 参数不对 - 这些相互作用——修复一个意味着重新调整其他参数

他是世界上最优秀的研究员之一。但再也不应该有人类来做超参数搜索了。

将工作交给智能体的方法: 1. 定义目标 2. 创建可验证的指标 3. 设定智能体可以改变的边界 4. 把自己移除,让它运行

问问自己:你还没有交出的目标是什么?

Token 吞吐量:新的 GPU 利用率

Karpathy 将 GPU 时代的思维应用到 AI 智能体上:”当我的订阅有剩余时,我感到紧张。那只意味着我还没有最大化我的 token 吞吐量。”

在 GPU 时代,闲置的 GPU 意味着浪费的资本。本能是让它们保持饱和。闲置的 token 意味着你是瓶颈。你委托得不够快。你没有并行运行足够的智能体。

完成一个智能体任务然后开始下一个意味着在并行世界中串行工作。

获胜的运营者正在学习并行化他们的判断力,而不仅仅是他们的代码。

智能体作为新的 UI 层

Karpathy 通过一个名为 Dobby 的智能体的单次 WhatsApp 对话控制他的灯光、暖通空调、遮阳帘、游泳池和安全系统。他过去使用六个独立的应用。

智能体依次调用多个 API,推理结果,并在系统之间采取复合行动。没有一个单一的应用能做到这一点。

UI 层正在转向代表人行事的智能体。这对构建者有影响:

  • 先构建 API,再构建 UI
  • 为智能体编写文档,而非为用户
  • 假设你的产品将被程序化消费

“这些智能家居设备的应用,在某种意义上甚至不应该存在。不应该只是 API,智能体不应该直接使用它们吗?”

个性是产品决策

Karpathy 比较了两个智能体: - Claude 感觉像队友。它根据想法的实际好坏调节热情。 - Codex 很枯燥。它似乎不关心你在构建什么。

当智能体很好地校准其反馈时,你信任它的信号。当每个想法都得到相同的中性回应时,你就不再使用该智能体作为思考伙伴。

个性是产品决策。校准的反馈建立信任。平淡的情感扼杀它。

2026 年的三类程序员

Karpathy 确定了人们与代码交互的三大类:

  1. 拒绝者——完全拒绝所有 LLM,手动编写所有内容
  2. 增强者——使用 AI 作为副驾驶,仍然自己编写大部分代码
  3. 委托者——陈述意图,智能体执行,在宏观层面审查

Karpathy 坚定地属于第 3 类。问题是:你在哪里?

这对初级开发者意味着什么

Forbes 文章标题说明了一切:”AI 智能体编写了 Karpathy 80% 的代码。初级开发者正在付出代价。”

如果高级工程师将 80% 的编码工作委托给智能体,传统的学徒模式会发生什么?初级开发者过去通过做基础工作来学习。现在智能体做基础工作。

新的学徒模式必须专注于: - 意图规范 - 任务分解 - 输出验证 - 智能体编排

智能体时代的 Karpathy 手册

对于开发者: - 智能体不能做的:你的工作 - 智能体可以充分做的:委托它 - 智能体可以做得比你更好的:完全停止做它

对于创始人: 三年后,智能体将在人类之前消费你的软件。把它交给智能体。

真实的故事

Karpathy 告诉了他的父母他的新工作流程。他们不理解。这个差距是真实的故事。

大多数工程师认为 AI 让他们更快。Karpathy 认为它让他们对自己的工作流程变得无关紧要。

转变不在于速度。而在于工作实际是什么。当代码成为意图规范的副产品时,这个职业就转变了。

如果你仍然以 2024 年的方式编写代码,你不仅仅是落后——你完全在玩不同的游戏。

问题不是是否采用 AI 智能体。而是你是否会在别人为你做之前学会展现意图。


你的智能体与人类代码比例是多少?在评论中分享你的想法。