有點傷自尊，但太值了！Karpathy：當AI接管80%代碼，我看清了AGI魔法

新智元報道

編輯：元宇

【新智元導讀】在2025年的最后一個月，Andrej Karpathy經歷了20年編程生涯中「最傷自尊」的一次巨變。

就在剛剛過去的一兩個月，一場無聲的巨變發生在特斯拉前AI負責人、OpenAI創始成員Andrej Karpathy身上。

去年11月，他的工作流還是80%的代碼手敲，20%的代碼交給AI。

僅僅幾周過去，二八比例，出現了180度對調！

AI接管了80%的代碼工作，而他只負責剩下的20%象征性微調工作。

用Karpathy的話說：我現在基本上是在用英語編程，雖然有時多少會覺得有點傷自尊，但那感覺還是太值了。

當大眾對AI編碼的認知還停留在「AI寫代碼會有Bug」的階段時，Karpathy已經宣布，「最熱門的新編程語言是英語」！

他拋棄了曾引以為傲的手寫代碼技能，取而代之的是「用英語指揮AI寫代碼」的新編程方式。

Karpathy在推文中說道，這是他二十年編程生涯里所出現的，對基礎編碼工作流最大的變化，而且這些變化還是在短短幾周內發生的：

我預計已經有兩位數百分比的工程師正在經歷類似的轉變，而普通大眾對此的認知程度，感覺還停留在個位數的低水平。

這說明這場史詩級的AI編碼方式轉變，并不只是天才程序員的游戲，也發生在許多普通程序員甚至是非編碼工程師的人身上。

幾乎所有人都在這場Claude引發的狂潮中，感受到了一種職業生涯被重塑的強大沖刷感。

當編程變成一種「不好意思」的對話

Karpathy在描述這段劇變時，用詞非常微妙。

他說，現在的編程過程有時會讓他感到有一點「傷自尊」。

原本需要一個團隊忙活一個星期的架構，現在只要他用英語和AI聊幾句，代碼就會如潮水般涌現。

也許在去年11月之前，他覺得AI是他的副駕駛，80%的工作還要靠自己手敲代碼。

但到了12月，短短幾周時間他卻突然發現，AI已經接管了駕駛位，他坐在了副駕駛位置，留給他的只有20%的修補工作。

這種「身份互換」所帶來的沖擊是前所未有的。有著資深編碼經歷的他，甚至會為這種「不勞而獲」的爽感，覺得「有些不好意思」。

但這種轉變已經是不可逆轉。

尤其是像Claude和Codex等模型的編程能力在去年12月左右經跨過了「一致性」閾值之后，引發了軟件工程巨變。

當對話的質量（提示詞工程）決定代碼的質量，這種「英語編程」就成了一種新的硬核技能。

IDE / 智能體蜂群 / 易錯性：一些言過其實的說法

在這篇推文中，Karpathy也談到了他對當前生成式AI在編程中的作用和局限性的看法。

他覺得有些說法太夸張了，比如「AI來了，就不用IDE（集成開發環境，像VS Code那種代碼編輯器）了」，或者「智能體蜂群」（AI智能體像蜂群一樣協作編程）的熱炒。

他承認AI是巨大進步，但模型還是容易出錯，不是萬能的。

1.別太相信AI，重要的代碼還要自己盯緊

對于真正重要的代碼，Karpathy建議不要扔掉IDE，而是用一個大屏、舒服的IDE在旁邊監視AI的輸出，就像老鷹盯準獵物一樣。

現在錯誤的類型已經明顯變了，不再是簡單的語法錯誤，而更類似于一種稍微有點馬虎、趕進度的初級工程師會犯的概念性錯誤。

2.AI最常見的毛病：愛亂假設，然后一路錯下去

AI會自己「腦補」一些錯誤的假設（比如誤解你的需求），然后不檢查就繼續寫代碼，導致整個東西崩盤。

它不像真人那樣停下來問：「這個地方我不確定，你能澄清嗎？」，也不會指出代碼里的矛盾、比較不同方案的優缺點，或者在你想法不對時「頂撞」你。

相反，依然有點過度討好。Karpathy認為進入「計劃模式」（plan mode，讓AI先規劃再執行）會好點，但還需要一種更簡單、能隨時插入的輕量版計劃模式。

3.AI愛把簡單的事搞復雜

AI寫代碼時，容易過度抽象（加太多層級）、結構臃腫（代碼變胖），還經常不清理自己留下的死代碼（廢棄的部分）。

它可能給你吐出一大堆低效、容易出bug的上千行代碼，當你要求它們簡化時，它們可能立刻精簡到100行。

它有時還會「多管閑事」，即便和當前任務無關，它們也會順手修改或刪除自己不喜歡、或者沒完全理解的注釋和代碼。

即便在CLAUDE.md里用一些簡單指令試圖約束，這些問題依然存在。

盡管如此，Karpathy仍認為整體上它已經是革命性提升了，已經很難想象再回到純手寫編碼的時代了。

當一個人習慣了AI幫忙寫代碼，再回去純手工敲，可能會感覺像是回到了石器時代，超級難受。

這說明AI雖然強大，但人類要聰明使用，才能發揮出超能力的效果。

AGI魔法真相

提速之外

是能力邊界的擴展

AI輔助，到底為編程帶來了多大的「加速」，這一點雖然并不好量化，但Karpathy的感受是：自己完成原本計劃做的事情明顯更快了。

而且，還有比這更重要的變化，他可以做遠超原計劃的事情：

• 可以寫很多以前根本不值得花時間寫的代碼；

• 可以去處理以前因為知識或技能不足而完全不敢碰的代碼。

因此，除了提速之外，AI編碼帶給Karpathy更重要的一個變化是能力邊界的擴張。

AI韌性

真正的魔法來自于「閉環嘗試」

AI智能體之所以能讓Karpathy這樣的大神感到震撼，是因為它具備一種人類極度稀缺的特質：韌性（Tenacity）。

Karpathy觀察到，當一個代碼Bug困擾人類超過30分鐘，大多數人會陷入煩躁、焦慮甚至想要放棄。

但AI不會。

它會像一臺不知疲倦的復讀機，為了一個邏輯漏洞死磕到底，它可以連續嘗試50種方案，每一次都保持著最初的熱情。

耐力本身是人類工作的一個核心瓶頸，而有了大模型之后，這個瓶頸被極大地放寬了。

因此，當很多人認為AI的強大在于它「無所不知」，Karpathy指出，它的真正魔法來自于「閉環嘗試」。

大模型非常擅長在循環中不斷嘗試，直到滿足明確的目標條件，Karpathy認為這正是大多數「AGI 體感」魔法的來源。

人類的局限是，我們在寫代碼時，一旦遇到錯誤，心智負擔會迅速增加。

但AI的優勢在于它不知疲倦。如果你給它一個明確的目標（比如：這個網頁必須有一個能工作的登錄框），它可以在循環中嘗試100次。

這種「不斷試錯直到成功」的能力，在感官上非常接近人類的智慧（AGI體感）。

聲明式指令

給「終點」，不給「路線圖」

AI這種「閉環嘗試」直至成功的特質，意味著我們要把思維從「命令式」（Imperative）切換到「聲明式」（Declarative）。

不要告訴它具體步驟，給它成功標準，然后看它自己跑。

• 命令式編程（舊思維）：告訴AI第一步打開文件，第二步解析字符串，第三步過濾空格……如果其中一步錯了，全盤皆錯。

• 聲明式編程（新思維）：告訴AI「我需要一個能處理這種CSV格式并輸出圖表的腳本，這是它的規格說明」。

只要你定義清楚了「成功標準」，AI就會利用它的「閉環嘗試」能力去撞開每一扇門。

測試驅動（TDD）與工具集成（MCP）

Karpathy還提到了具體的實操策略。

1.先寫測試，再過測試

Karpathy認為這是最聰明的做法。

先讓AI寫一段「驗證程序是否正確」的代碼（測試用例）。

只要測試沒通過，AI就得在循環里一直改代碼，測試就是AI的「監考老師」。

2.引入MCP（Model Context Protocol）

比如把瀏覽器能力集成進循環。

AI寫完代碼，自動打開瀏覽器運行，如果發現頁面白屏或報錯，它會自己看到報錯信息，然后回到循環里繼續修Bug。

整個過程，人類不需要介入。

3. 杠桿效應：用「AI的時間」換取「人的自由」

所謂杠桿效應，就是讓智能體循環得更久。

不要一上來就讓AI寫最復雜的架構，先讓它寫一個「雖然笨但一定對」的版本。

有了這個正確的基準，再讓它去做性能優化。

這樣，每個人的編程成本，變成了寫下「規格說明」的那幾分鐘。而AI可能在后臺默默循環、嘗試、報錯、重啟了整整一個小時。

我們每個人的杠桿就在于：你投入的「指令時間」越短，AI運行的「循環時間」越長，你獲得的生產力倍率就越高。

AI編程的樂趣與「廢用性萎縮」

AI編程帶給了Karpathy樂趣，這一點讓他事先沒想到。

他認為用智能體編程反而比以前更好玩了：

當大量填空式的苦活被拿掉，留下來的更多是創造性的部分，他也更少被卡住（Karpathy認為這種被卡住的體驗一點都不好玩）。

而且有了AI之后，Karpathy在面對問題時也變得更有勇氣了，因為幾乎總能找到一種方式與它并肩作戰、向前推進。

Karpathy認為AI編程大概會把工程師分成兩類：一類主要喜歡「寫代碼」，另一類主要喜歡「造東西」。

除了這些樂趣和積極的變化之外，Karpathy也看到了AI編程所帶來的一種令人不安的變化。

他提出了一個警示：廢用性萎縮。

「我已經明顯感覺到，自己手寫代碼的能力在慢慢退化。」

Karpathy認為，當我們習慣了只負責判別、不負責生成（這是人類大腦中兩種不同的能力），我們的大腦就像是長期不用、開始退化的肌肉，也就是說人類手動編程的能力正在經歷一場不可逆的退化。

這不僅是技能的喪失，更是一種深層的「降級」。

如果有一天AI撤下了它的梯子，那些已經習慣了漂浮在云端、失去攀爬能力的程序員，該怎么辦？

Karpathy2026預言

垃圾內容大爆發與人才結構的洗牌

自2022年末ChatGPT問世以來，生成式AI的爆發，已經進入第四個年頭。

Karpathy表示，他已經為2026年做好了心理準備，那可能會是GitHub、Substack、arXiv、X/Instagram 乃至幾乎所有數字媒體的「垃圾內容大爆發」，也包括一些對AI生產力變革的炒作。

當然，這個過程也會伴隨著真實、扎實的進步。

最近他不斷思考的幾個問題是：

「10X工程師」會發生什么變化？

平均工程師和頂尖工程師之間的生產力差距，會不會被進一步拉大？

在大模型加持下，通才是否會越來越勝過專才？畢竟大模型在補齊細節方面很強，但在宏觀戰略上沒那么強。

未來的大模型編程體驗會像什么？像打《星際爭霸》？像玩《異星工廠》（Factorio）？還是像演奏音樂？

社會中到底有多少問題，本質上是被數字化知識工作的瓶頸卡住的？

Karpathy提到Claude和Codex等AI智能體能力在2025年12月左右跨過了某個一致性閾值，忽然之間像是明顯走在了其他一切前面：無論是集成（工具、知識）、新的組織工作流與流程，還是更廣泛的擴散。

因此，他認為2026年將會是一個高能量的年份，整個行業都在消化、吸收這種全新的能力。

在這種混亂中，人才的結構將發生一次大規模的洗牌。

那些在宏觀策略上有洞察、能夠跨領域思考的人，因為擁有了AI這個無所不能的執行工具，他們的生產力將被放大成百上千倍，也許通才的春天可能會到來。

相反，那些只掌握單一領域、只會機械執行的「專才」，將面臨殘酷的擠壓。

更讓人扎心的是：AI并沒有像人們預想的那樣抹平差距。

一種現實可能是，一個頂尖開發者利用AI所爆發出的能量，與普通開發者之間的差距，將遠遠超出10倍以上。

參考資料：

https://x.com/karpathy/status/2015887154132746653