导语：

在最近的一次深度访谈中，AI教父级人物Andrej Karpathy分享了他从“Vibe Coding”（氛围编程）到“Agentic Engineering”（智能体工程）的深度思考。对于每一位开发者和创业者来说，这不仅是一次技术革命，更需要一次认知的范式转移。而在访谈最后，对于“当人工智能技术变得日益廉价的时代，还有什么值得我们深入学习的呢？”这个问题的回答值得我们每个人深思。

01. 每个程序员都曾经历的“彷偟时刻”：Vibe Coding

你是否也有过这种感觉：面对最新的AI工具，觉得自己仿佛“落后于时代”？

Karpathy坦言，就在几个月前，他也有同样的感受。这种焦虑源于 2025年12月 的一个临界点。当时，大模型的能力发生了质变，代码生成的准确率极高，几乎不需要人工修正。开发者开始信任系统，进入一种“盲敲”（Vibe Coding）的状态——即凭借直觉和提示词，让AI完成具体的代码实现。

核心洞察： Vibe Coding 的意义在于“抬高了地板”。它让非专业开发者也能构建复杂应用，让每个人都能通过自然语言参与软件创造。

02. 范式转移：软件 3.0 与“智能体工程”

然而，Karpathy指出，仅仅停留在“Vibe Coding”是不够的。当前的前沿已经从简单的代码补全，转向了 Agentic Engineering（智能体工程） 。

软件 3.0 的定义：

我们正在从“显式规则”（软件1.0）和“学习权重”（软件2.0）进入软件3.0时代。在这个时代，LLM（大语言模型）本身就是一个可编程的计算机。

提示词（Prompting）就是新的编程，上下文窗口就是我们的操作杆。

从“助手”到“执行者”：

以前的AI像是一个“实习生”，需要你手把手教；现在的AI Agent是“执行者”，它们拥有权限、记忆和工具使用能力。

🍽️ 深度案例：那个“本不该存在”的 MenuGPT

为了说明新旧时代的差距，Karpathy讲了一个让他“醍醐灌顶”的亲身经历。这不仅是技术的复盘，更是一次认知的“处决”。

背景与痛点：

Karpathy去餐厅吃饭，看不懂菜单上的菜名（比如各种复杂的意面或炖菜）。作为一个极客，他的第一反应是： 写个App解决它！

【旧思维版本】—— 复杂的 MenuGPT App

他利用 Vibe Coding 快速搭建了一个看似完美的App：

【新思维版本】—— 降维打击的软件 3.0

就在他部署完那个App后，他突然发现： 我为什么要写代码？

他直接把菜单照片发给 Gemini（多模态模型），说了一句：“用 Nano Banana 把这个菜单上的菜品图片直接渲染到原图上。”

结果：模型直接返回了一张修改后的图片。 任务完成。

Karpathy的顿悟：“那一刻我意识到，我写的那个 MenuGPT 是虚假的，它本不该存在。在软件3.0时代，中间层的应用逻辑是多余的。你不需要写代码去实现复杂逻辑，你只需要告诉神经网络你的意图，它会直接给你结果。”

03. 破除迷思：AI的“参差不齐”智能与局限性

尽管AI在代码和数学领域表现出色，Karpathy强调AI的智能是 “ 参差不齐 ” 的。

可验证性是关键：

AI最擅长自动化那些“结果可以被验证”的领域。因为模型是通过强化学习（RL）训练的，只有那些能给出明确对错反馈的任务，AI才能学得最快。

令人费解的短板：

一个极其强大的模型（如Opus 4.7）可能能重构10万行代码库，却可能在“50米远的洗车行，我是该开车还是走路？”这种常识问题上给出错误建议（它会让你走路去，却忘了你是去洗车的）。

原因：

这种“参差不齐”源于训练数据的分布。如果某个能力（如国际象棋）被刻意加入了大量训练数据，模型就会突飞猛进；反之，缺乏内在动机和物理体验的模型，在常识和审美上依然脆弱。

04. 未来已来：2026年的技术图景

如果回到1990年代你会建网站，2010年你会做移动App，那么在2026年，什么是显而易见的机遇？

神经计算机：未来的计算架构可能不再是CPU主导，而是神经网络成为主机进程，CPU变成协处理器。

万物皆可“智能体化”：

未来的应用不再是写给人看的文档和菜单，而是为Agent设计的。比如，未来的部署流程应该是：你告诉Agent你的需求，它自动配置DNS、云服务，全程不需要你点击鼠标。

人机协作新形态：

你的Agent会和我的Agent自动协商会议时间。我们正在走向一个由智能体代表个人和组织交互的世界。

05. AI时代对教育的思考：不可外包的“理解力”

当人工智能技术变得日益廉价的时代，还有什么值得我们深入学习的呢？对此Karpathy引用了一句令他印象深刻的话：

“你可以把思考过程外包出去，但理解力是无法外包的。”

审美与判断：

目前的AI生成的代码往往“臃肿且丑陋”。人类必须负责顶层设计、审美判断和逻辑监督。

保持怀疑：

不要像对待动物一样对待AI（比如冲它大喊大叫），它们是基于统计和奖励函数的“幽灵”。理解这一点，你才能更好地利用它们。

持续学习：

虽然API细节可以忘了（让AI查），但底层原理和核心逻辑必须深挖。因为只有你真正理解了问题，才能指挥AI解决它。

结语：

AI并没有让编程消失，而是让编程变得更像“指挥”和“设计”。在这个智能体奔涌的时代，最宝贵的不再是敲代码的速度，而是 定义问题、设计架构以及对世界深刻理解的能力 。

本文首发于公众号「AI小荷尖角」：原文链接