从 Vibe Coding 到 Agentic Engineering

一连 Karpathy 都觉得自己"落后了"

开场主持人介绍 Karpathy：他帮忙构建了现代 AI（OpenAI 创始成员），又擅长讲清楚现代 AI，偶尔还顺手给现代 AI改个名——去年正是他造了 "vibe coding" 这个词。但就在几个月前，他说了一句更让人意外的话："我作为程序员从未像现在这样感到落后。"

他解释这种"落后感"是兴奋与不安的混合。过去一年他一直在用 agentic 编码工具，它们能写出"一块块"代码，时不时出错、需要你去改，算是帮上忙。但转折点出现在去年 12 月：

• 最新一代模型给出的代码块"就是对的"；
• 他不断要更多，结果一直都对；
• 他想不起来上一次动手纠正它是什么时候了——于是越来越信任系统，真正进入了 vibe coding 状态。

他在 X 上反复强调：很多人对 AI 的印象还停留在去年的"ChatGPT 类聊天工具"，但你必须在 12 月后重新看一次——这套"agentic 连贯工作流"真正开始 work 了，是一次陡峭的、根本性的转变。从那以后他的 side project 文件夹塞满了各种东西，一直在写代码。

二Software 3.0：LLM 是一种新计算机

Karpathy 的核心框架是：LLM 不只是"更好的软件"，而是一种全新的计算范式。

他指出：当你在足够大、足够多任务的互联网数据上训练一个 GPT/LLM，模型其实被迫"隐式地多任务学习"了数据里的一切——于是它变成了某种意义上可编程的计算机。在 Software 3.0 里，上下文窗口就是你操纵这台"解释器"的杠杆，模型在数字信息空间里执行计算。

核心洞察：编程的"动作"从写代码，变成整理数据，再变成组织上下文。LLM 不是"更快的旧软件"，而是一种新计算范式。

三三个让他"顿悟"的例子

例子 1：OpenClaw 的安装方式

过去安装一个跨平台软件，要写 shell 脚本；为了适配各种平台，这些脚本会膨胀得极其复杂。而 OpenClaw 的安装，其实是一段让你复制粘贴给 agent 的文本。这段"小技能"更强大，因为你不再需要事无巨细地拼出每个安装细节：agent 自带智能，会看你的环境、执行智能操作、在循环里自己 debug。"该复制粘贴给 agent 的那段文本"——这就是现在的编程范式。

例子 2：MenuGen 的"消失"

MenuGen 是他做的一个 App：餐厅菜单常常没有配图，你拍张菜单照片，它就帮你 OCR 出每道菜名、再用图像生成模型给出每道菜大概长啥样的图片。但后来他看到了"Software 3.0 版本"，直接把他整个人惊到：把照片丢给 Gemini，说"用 Nano Banana 把这些菜的图片叠到菜单上"——返回的就是一张和你拍的菜单一模一样、但像素里已经渲染好各道菜配图的图片。

"我整个 MenuGen 都是多余的，它活在旧范式里——这个 App 本就不该存在。"

例子 3：知识库（不只是"编程变快"）

他强调一个更大的点：这不只是"编程"，而是"信息处理"整体变得可自动化了。传统代码作用于结构化数据；而他的 "LLM 知识库" 项目——让 LLM 为组织或个人生成 wiki——根本不是一个"程序"，因为以前不存在"能根据一堆事实生成知识库的代码"。现在你可以把文档"重新编译"、重排、生成全新的信息视角。

"不要只问什么事现在更快了，要问什么事以前根本不可能、现在才可能。后者更令人兴奋。"

四神经计算机：最极端的外推

Stephanie 问：如果继续外推，2026 年那个"事后看来理所当然、但今天大多还没被造出来"的东西会是什么？

Karpathy 的外推很"怪"：可以想象完全的"神经计算机"——一个设备直接吃进原始视频/音频喂给神经网络，用扩散模型当场渲染出一个为此刻独一无二定制的 UI。

50、60 年代，人们其实搞不清计算机会长得像"计算器"还是像"神经网络"。我们走了计算器（经典计算）的路，神经网络如今是虚拟跑在经典计算机之上的。但这个关系可能会翻转：神经网络成为主进程（host），CPU 变成协处理器，只在某些确定性任务上作为"历史遗留的附件"被调用。

他强调这只是"极端外推"，真实路径是 TBD，会一块一块拼出来。

五可验证性：决定了什么先被自动化

Karpathy 花了很多笔墨写"可验证性（verifiability）"。核心论断：

原因在于训练机制：前沿实验室用巨大的强化学习环境训练 LLM，给的是"可验证的奖励"。于是模型变成了"锯齿状的实体（jagged entities）"——在数学、代码这类可验证领域能力陡峰，而在难以验证的地方则停滞、边缘粗糙。

他认为锯齿来自两个因素的组合：① 是否可验证 + ② 实验室是否在意。有些可验证环境只是因为"经济价值不够高"而没被放进数据分布。

结论：我们多少受制于实验室往数据里放了什么。模型给你的是一台"没有说明书"的机器，在某些设定下灵、在某些设定下不灵。你得探索自己处在哪个"电路（circuit）"里：在 RL 覆盖的电路里你就飞起来，在数据分布之外你就挣扎——这时只能靠自己微调（fine-tuning）。

六锯齿状智能：洗车场悖论

关于"锯齿状智能（jagged intelligence）"，他给了一个经典新例子：

"我要去 50 米外的洗车场洗车，我应该开车去还是走去？" 当今 SOTA 模型会告诉你"走着去，太近了"。可同一个 Opus 4.7 却能重构一个 10 万行的代码库、找出零日漏洞——这太荒诞了。

洗车这件事的关键当然是"你得把车开过去"。这种锯齿说明：① 模型可能哪里有点不对；② 你需要留在循环里，把它们当工具用，时刻了解它们在干什么。

他补充：理论上几乎一切最终都能在某种程度上变得可验证——哪怕是写作这类，也可以搞一个"LLM 评审团（council of judges）"来给出合理评分。所以问题更多是"容易还是难"，而非"能不能"。被问到"什么终将可自动化"时，他笑答："一切。"

七给创业者的建议

问题：如果你是创业者，想解决一个可处理（tractable）且可验证的问题，却发现实验室在数学、编码这些"最显眼"的方向已经接近逃逸速度，怎么办？

Karpathy 的思路：

• 可验证性让问题"可处理"，因为你能往上砸海量 RL；而这一点即便实验室没直接盯着，也依然成立。
• 如果你处在一个可验证的设定里、能造出 RL 环境或样本，那你就具备了自己做微调的条件，并能从中获益。
• 这是"一拉就灵"的成熟技术：只要你有大量多样的 RL 环境/数据集，用你喜欢的微调框架"拉一下杠杆"，就能得到效果不错的东西。

他希望创业者去找那些"可验证、价值高、却还没进实验室数据分布"的 RL 环境——这是方法论的核心。

八Vibe Coding vs Agentic Engineering

这是本场的"标题问题"：去年他造了 vibe coding，今天世界更"严肃"、更 agentic 了，两者区别是什么？

他之所以叫它"agentic engineering"，是因为它确实像一门工程学科：这些 agent 是"尖刺状的实体"，有点不可靠、有点随机，但极其强大；如何协调它们在不牺牲质量标准的前提下提速，正是 agentic engineering 的领域。

关于 "10x 工程师"：他认为这个倍数被大幅放大了。"10x 已经不足以形容你能获得的加速"——真正擅长此道的人，峰值远超 10x。

九AI 原生工程师长什么样

引用 Sam Altman 去年在 AI Ascent 的话：不同代际用 ChatGPT 的方式不同。Karpathy 的回答：本质和过去一样——把工具用到极致、用上它的全部特性、投资自己的配置（setup）。就像以前工程师把 Vim / VS Code 用到飞起，现在是把 cloud code / codex 用到飞起。

招聘范式必须升级

大多数公司还没为"agentic 工程能力"重构招聘流程——如果你还在出"解谜题"，那还是旧范式。新的考法应该是给一个很大的真实项目，看人怎么实现：

"比如写一个给 agent 用的 Twitter 克隆，把它做好、做安全，让一些 agent 在上面模拟活动；然后我用 10 个 codex 5.4 高强度实例去尝试攻破你部署的网站，而它们不应该能攻破。"

十人类的新价值：品味、判断、规格

问：当 agent 做得越来越多，什么人类技能反而更值钱？

答：你仍然要掌管审美、判断、品味与监督。他举了 MenuGen 的"诡异 bug"：用户用 Google 账号登录、用 Stripe 账号买额度，两边各有邮箱；agent 竟用 邮箱地址去跨账号匹配资金，而不是用持久的 user ID——可两边邮箱完全可以不同，于是资金对不上。"用邮箱来交叉关联资金，这事儿太怪了。"

所以人要掌管spec（规格）、计划与顶层分类。更普遍的做法是：和 agent 一起设计一份非常详细的 spec（本质就是文档），再让 agent 去实现，你负责监督和顶层结构，细节交给它。

人定方向与约束，agent 填细节。就像 PyTorch/NumPy 里 keepdim、dim/axis、reshape/permute 这些 API 细节，现在交给"记性很好的实习生"，但你仍需理解底层原理。

十一动物 vs 幽灵

他写过一篇引发热议的文章："我们不是在制造动物（animals），而是在召唤幽灵（ghosts）。"

他坦诚这篇更像"哲学化思考"，不确定有没有"实际威力"。写它是为了给"这些东西到底是什么"建一个心智模型——模型越准，你用起来越称职。

十二走向 Agent 原生的世界

当 agent 拥有真实权限、本地上下文、能代你行动时，世界会变成什么样？

他的"最爱吐槽"：如今的框架/库文档仍然是写给人看的——"为什么还在告诉我该怎么做？我什么都不想做。我该复制粘贴给 agent 的那段东西在哪？"

大家兴奋的方向是把工作负载分解为对世界的传感器（sensors）与执行器（actuators），做到 agent native：优先用 agent 能读懂的数据结构来描述一切。

最终走向：人和组织都有 agent 代表——"我的 agent 会和你的 agent 去敲定我们开会的细节。"

十三智能廉价时，什么仍值得深学

收尾落在教育。当智能变得廉价，什么仍值得"深入学习"？

他引用一条最近让他反复回味的推文：

"You can outsource your thinking, but you can't outsource your understanding."

他说自己正在成为系统的瓶颈：信息仍要进入他的大脑，他要知道"我们到底想造什么、为什么值得做、如何指挥我的 agent"。最终总得有东西去指挥思考与处理，而这从根本上受"理解"约束。

这也是他对知识库兴奋的原因：每当他看到信息的一种"新投影（projection）"，就会获得洞见。他把读到的文章喂进自己不断生长的 wiki，再围绕它做大量"合成数据生成"式的提问——这些工具本质是在增强"理解"。而理解恰恰是 LLM 不擅长、人类仍独占的环节：你无法在自己不理解的情况下当好一个"导演（director）"。