-
日期: 2026-03-05 | 來源: 非著名程序員 | 有0人參與評論 | 字體: 小 中 大
剛剛 Andrej Karpathy 在 X 上發了壹條長帖，聊了聊他最近對 AI 編程的感受。Karpathy 是誰就不用多介紹了，前 OpenAI 研究副總裁，前特斯拉 AI 總監，在整個 AI 圈子裡說話是有分量的。這條帖子發出來之後迅速引爆了討論，評論區裡各路大佬紛紛下場，有贊同的，有補充的，也有潑冷水的。我把整條帖子和評論區的精華都看了壹遍，覺得裡面有不少值得琢磨的東西，整理出來跟大家聊聊。
變化是突然發生的
Karpathy 開篇就說了壹句很重的話：過去兩個月，編程因為 AI 發生了巨大的變化。注意，他強調的是這個變化不是那種漸進式的、潤物細無聲的進步，而是集中在去年 12 月突然爆發的。在他看來，12 月之前，編程 Agent 基本上不好用；12 月之後，基本上好用了。模型的質量、長期連貫性和韌性都有了顯著提升，可以壹口氣啃下又大又長的任務。
這個判斷其實挺值得玩味的。我們平時總覺得技術進步是壹條平滑的曲線，今天比昨天好壹點，明天比今天好壹點。但 Karpathy 的感受是，有些變化是台階式的，某個臨界點壹過，體驗就完全不同了。這種感覺其實很多人在日常生活中也遇到過，比如學壹門技能，練了很久沒什麼進展，突然有壹天就開竅了。技術的演進有時候也是這樣，量變積累到壹定程度，質變就來了。壹個周末項目變成了 30 分鍾的事
為了說明變化有多大，Karpathy 舉了壹個自己的親身例子。他周末想給家裡的攝像頭搭壹個本地視頻分析面板，於是給 AI Agent 寫了壹段指令：登錄我的 DGX Spark，配置 SSH 密鑰，部署 vLLM，下載並測試 Qwen3-VL 模型，搭建視頻推理服務端點，做壹個基礎的 Web UI 面板，全部測試壹遍，用 systemd 設置開機自啟，給自己記筆記，最後給我寫壹份 Markdown 報告。
然後 Agent 就跑了大概 30 分鍾。中間遇到了好幾個問題，它自己上網查解決方案，壹個壹個解決，寫代碼，測試，調試，配置服務，最後交回來壹份報告，全部搞定。Karpathy 說他全程沒有碰任何東西。這件事如果放在叁個月前，輕輕松松就是壹個周末項目，現在變成了你啟動壹下然後去幹別的，30 分鍾後回來收結果。
這個例子的沖擊力在於它的具體。不是什麼抽象的概念，就是壹個實實在在的工程任務，從網絡配置到模型部署到前端界面到系統服務，全鏈路打通。叁個月前需要壹個周末，現在 30 分鍾。這個效率的躍遷已經不是提升百分之多少的問題了，是數量級的變化。
編程正在變得面目全非
基於這樣的體驗，Karpathy 做了壹個很大膽的判斷：編程正在變得面目全非。從計算機發明以來，編程壹直是人坐在編輯器前面敲代碼，這個時代結束了。現在你做的事情是啟動 AI Agent，用英語給它們分配任務，然後並行地管理和審查它們的工作。
他說，當前最大的機會在於不斷向上攀升抽象層級，搭建長期運行的編排系統，給它配好工具、記憶和指令，讓它幫你管理多個並行的代碼實例。頂級的 Agent 工程所能釋放的杠杆效應，現在感覺非常高。
這段話裡有壹個關鍵詞叫抽象層級。簡單來說就是，以前你是直接寫代碼的人，現在你是管理寫代碼的 Agent 的人，未來你可能是管理那些管理 Agent 的系統的人。每往上走壹層，你能撬動的產出就成倍增長。這個邏輯其實跟管理學裡的道理是相通的，壹個人能直接做的事情是有限的，但如果你能搭建壹個高效的團隊和流程，你的產出上限就被打開了。它並不完美，但已經夠顛覆了
Karpathy 也沒有壹味地吹。他很坦誠地說，這個東西並不完美，它需要高層次的方向指引、判斷力、品味、監督、迭代，以及提示和想法。在某些場景下效果好很多，尤其是那些需求明確、可以驗證和測試功能的任務。關鍵在於培養壹種直覺，知道怎麼把任務拆解得恰到好處，把適合交給 Agent 的部分交出去，自己在邊緣地帶幫忙補位。
這段話其實藏著壹個很重要的信息：AI 編程的效果好不好，很大程度上取決於你會不會用。同樣的工具，有人用得如魚得水，有人用了跟沒用差不多。差別在哪裡？在於你能不能把壹個模糊的大目標拆解成清晰的小任務，在於你能不能判斷哪些部分適合交給 AI、哪些部分需要自己把關。這種能力說白了就是工程直覺和任務分解能力，而這些能力恰恰是需要深厚技術功底才能培養出來的。評論區的精彩碰撞
這條帖子的評論區同樣值得壹看，好幾條回復都很有含金量。
DHH，就是 Ruby on Rails 的創始人，回復說這是他 40 年來試圖讓計算機聽話的過程中，最大也最快的壹次變化。而且出乎意料的是，這也是最有趣的壹次。壹個寫了 40 年代碼的老程序員說出這樣的話，分量不輕。
有人問 Karpathy，幾年後軟件工程師會怎樣？會不會幾百人的團隊被幾個提示詞工程師取代？Karpathy 的回答很值得細品。他說，把這些人叫做提示詞工程師是壹種誤解。雖然 vibe coder（氛圍編程者，就是那種靠感覺讓 AI 寫代碼的人）現在確實能搞出點東西了，但在頂尖層級，深厚的技術專業能力因為杠杆效應的疊加，反而可能比以前更具乘數效應。
這句話翻譯成大白話就是：AI 確實降低了編程的門檻，讓不太懂技術的人也能做出壹些東西。但真正厲害的人，因為能更好地駕馭這些工具，他們的產出會被放大得更多。工具越強大，會用工具的人和不會用工具的人之間的差距就越大。
評論區裡還有壹條很精辟的回復，來自 kache：你可以外包你的思考，但你沒法外包你的理解。這句話說得太好了。AI 可以幫你寫代碼、查資料、解決問題，但對壹個系統的深層理解，對技術本質的把握，這些東西是沒法外包的。你讓 AI 幫你搭了壹個系統，如果你完全不理解它是怎麼運作的，那出了問題你就束手無策。
有人就提出了這個擔憂：當 AI 出錯的時候，調試要花叁倍的時間，因為你得去理解壹段你根本沒寫過的代碼。Karpathy 對此的回應是，如果你覺得效果跟去年差不多，很可能是你的使用方式不對。他建議去想想怎麼把你腦子裡的知識和上下文，通過工具讓 Agent 也能獲取到，而不是讓它在信息不足的情況下盲目工作。這壹切意味著什麼
把 Karpathy 的觀點和評論區的討論綜合起來看，有幾個趨勢是比較清晰的。
第壹，AI 編程的能力已經跨過了壹個關鍵門檻。這個變化是突然的、台階式的，不是緩慢漸進的。對於還沒有親自體驗過最新工具的人來說，你對 AI 編程的認知很可能已經過時了。
第贰，編程這個職業的核心技能正在發生遷移。從寫代碼本身，遷移到任務分解、Agent 編排、質量審查和系統設計。寫代碼的能力依然重要，但它的重要性在下降，而架構思維和工程判斷力的重要性在上升。
第叁，技術深度在 AI 時代反而更值錢了。這壹點可能跟很多人的直覺相反。大家總覺得 AI 會讓技術變得不重要，但實際情況是，AI 是壹個放大器，它放大的是你已有的能力。你的技術底子越深，你能從 AI 工具中榨取的價值就越大。
第肆，理解力是不可替代的。AI 可以幫你做事，但不能幫你理解。而壹旦你失去了對系統的理解，你就失去了在關鍵時刻做出正確判斷的能力。所以，即便 AI 能幫你寫完所有代碼，花時間去理解這些代碼在做什麼，依然是值得的。
Karpathy 在帖子最後說，在他看來，現在的軟件行業絕對不是壹切照舊的時候。這句話說得克制，但意思很明確：大變局已經來了，還在按老方式工作的人，需要認真想想接下來該怎麼辦了。- 新聞來源於其它媒體，內容不代表本站立場！
-
原文鏈接
原文鏈接:
目前還沒有人發表評論, 大家都在期待您的高見