2026年4月底，Sequoia Capital的AI Ascent大会上，Andrej Karpathy说出了一句让整个技术圈震颤的话——"作为一名程序员，我从未感到如此落后。"这位OpenAI联合创始人、前Tesla AI总监、Eureka Labs创始人，本应站在技术最前沿，却坦诚地承认：编程这件事，已经在他眼前被彻底重构了。
这不是一个关于"AI让我更快"的故事。这是一个关于"编程本身的定义正在改变"的故事。从Vibe Coding到Agentic Engineering，Karpathy勾勒出的不仅是2026年开发者的工作流，而是软件工程未来十年的演化路径。如果你还在把ChatGPT当作高级搜索引擎，或者把Copilot当作智能补全工具，你可能正在错过编程史上最大的范式转移。
| 项目 | 内容 |
|---|---|
| 视频标题 | Andrej Karpathy: From Vibe Coding to Agentic Engineering |
| 频道 | Sequoia Capital |
| 时长 | 约45分钟（Fireside Chat形式） |
| 播放量 | 数十万级（发布一个月内） |
| 核心主题 | Software 3.0、Agentic Engineering、Jagged Intelligence |
| 场合 | Sequoia AI Ascent 2026 开场主旨对谈 |
Karpathy回忆了一个具体的转折点。在2025年大部分时间里，Claude Code、Codex、Cursor等工具虽然有用，但生成代码后仍需频繁修正。开发者扮演的是"纠错者"角色：让AI写一段，检查一遍，修几处，再来一轮。
但在2025年12月，他感受到了一次质变。模型生成的代码块变得更大、更连贯、更可靠。他发现自己已经记不清上次手动修正AI代码是什么时候了。信任建立起来后，他开始委托更大粒度的任务：实现一个完整功能、重构一个子系统、研究一个库、搭建一个服务、写测试并自动修复失败——这些从"逐行编辑"变成了"宏指令委托"。
我的延伸分析：这个"拐点"的本质不是某个模型突然变聪明了，而是开发者的心智模型发生了切换。当你不再期待每个token都正确，转而关注整体目标是否达成时，你和AI的协作关系就从"师徒"变成了"总监-执行团队"。Karpathy的经历证实了一个关键洞察——AI编程的突破不是渐进的，而是存在临界点，过了之后信任曲线会急剧上升。
Karpathy提出了一个已经被广泛引用的三阶段框架：
在Software 3.0中，context window（上下文窗口）成为了主要的编程界面。LLM是这个界面的解释器——它读取你的上下文，对数字信息执行计算，调用工具，检查错误，适应环境。
Karpathy举了一个精妙的例子：安装软件。传统方式下，你需要一个臃肿的shell脚本，塞满条件判断来适配不同操作系统和依赖。在Software 3.0世界里，安装过程变成了一段给Agent的文本指令。Agent会检查你的环境、诊断错误、动态调整、完成安装。这不是一个"更好的shell脚本"，这是一种全新的程序形态——不那么精确，但更具适应性。
我的延伸分析：这个区分至关重要。Software 1.0追求精确性——你需要预判每一种情况。Software 3.0追求适应性——你给出意图和约束，让"解释器"自行处理边缘情况。这意味着编程的核心技能从"穷举逻辑分支"转向"精确描述意图"。类似地，这也解释了为什么好的spec（规格说明）正在成为比好的代码更有价值的资产。
整个演讲中最具冲击力的例子是MenuGen的故事。
Karpathy想做一个餐厅菜单可视化应用：拍照→OCR识别菜名→生成菜品图片→重新渲染菜单。这个传统App需要前端代码、OCR API、图片生成模型、后端逻辑、部署、认证、支付——一个完整的软件工程。
然后他看到了Software 3.0版本：把菜单照片丢给Gemini，让它直接在菜单图片上叠加上菜品图片。没有App，没有OCR管线，没有UI，没有复杂的工作流。模型直接完成了从输入到输出的变换。
Karpathy的原话直击要害："在Software 3.0范式下，MenuGen这个App根本不应该存在。"整个旧范式下的软件栈，不过是在模型能力不足时搭建的脚手架。
我的延伸分析：这对所有开发者都是一个警醒。大量当前的"AI应用"本质上是对模型局限性的封装——当模型能力突破某个阈值时，整个产品品类可能瞬间坍缩。Karpathy给出的判断标准极为实用：如果你构建的App只是在"AI输入"和"AI输出"之间加了胶水代码，那你的产品可能正处于消失的边缘。创业者不该只问"AI能帮我更快地建什么？"，而该问"AI让什么变得不再必要？"
为什么AI在某些领域神乎其技，在另一些领域却蠢得离谱？Karpathy给出了一个精炼的框架：
传统软件自动化你能精确描述的任务。AI自动化你能验证的任务。
这个框架解释了一切。代码、数学、测试——这些领域之所以AI进步神速，是因为存在自动化的验证信号：测试通过或失败，程序运行或崩溃，diff可以被检查，benchmark可以被测量。模型可以在RL（强化学习）环境中获得清晰的reward signal。
而那些"感觉应该很简单但AI总是搞砸"的场景——比如常识推理、产品判断、用户体验设计——恰恰是验证信号模糊、主观性强的领域。
Karpathy还补充了一个更细致的维度——训练注意力。模型能力的尖峰不只是"可验证性"的函数，还取决于实验室是否在训练中重点关注了该领域。他举了国际象棋的例子：从GPT-3.5到GPT-4，棋力大幅提升，但这不一定是因为"通用智能"平滑进步，更可能是因为有人决定往预训练数据里加入了大量棋谱。
我的延伸分析：这个公式 能力尖峰 ≈ 可验证性 × 训练注意力 × 数据覆盖 × 经济价值 对开发者来说极为实用。你在选择技术方向时，可以据此判断：你的应用场景是否处于模型的"高能力区"？如果不在，你需要投入多少资源来构建自己的验证环境和微调数据？这也是为什么Karpathy建议创始人寻找"有价值、可验证、但前沿实验室尚未充分训练"的领域——这恰恰是创业的甜蜜地带。
Karpathy提出了一个生动的比喻：Ghosts, Not Animals（幽灵，而非动物）。LLM不是生物。它们没有生存本能、好奇心、内驱力。它们是对人类产物的统计模拟，由预训练、后训练、RL、产品反馈和经济激励塑造而成。
这解释了为什么AI的能力分布如此"锯齿状"（Jagged）——它可以重构10万行代码库、发现零日漏洞，然后告诉你"50米外的洗车店应该走过去"。
Karpathy自己的例子更具体：在MenuGen项目中，Agent尝试用email地址匹配Stripe支付账户和Google登录账户。代码逻辑看起来完全合理——直到你意识到一个人完全可能用不同的email注册支付和登录。这是一个产品逻辑层面的bug，而不是语法层面的错误。AI给出的方案在代码层面无可挑剔，但在系统设计层面是错误的。
我的延伸分析：这就是为什么"信任AI"和"盲信AI"之间的差距会越来越大。锯齿状智能意味着你的信任不能是均匀分布的——在可验证性强的任务上可以给予高度自主权，在涉及产品判断和架构决策的环节必须保持人类审核。开发者需要建立一种新能力：快速判断当前任务处于AI能力图谱的哪个位置。
这是整个演讲最核心的区分：
Vibe Coding面向原型和个人工具。Agentic Engineering面向严肃的生产系统。Agentic Engineer不会盲目接受生成的代码——他们设计spec、审核计划、检查diff、编写测试、创建评估循环、管理权限、隔离worktree、保持质量标准。
Karpathy做了一个精准的类比：Agent就像一个速度极快、API和语法记忆力接近无限的实习生。实习生可以快速执行，但方向仍然由你负责。
我的延伸分析：这个区分对2026年的开发者来说可能是最重要的认知升级。市面上90%的"AI编程"讨论都停留在Vibe Coding层面——"看，我一句话就让AI写了个App！"但Karpathy指出，真正的挑战在于Agentic Engineering：如何在不降低质量标准的前提下提升速度？这不是让AI替你写代码，而是构建一套系统让AI在你的质量框架内工作。
Karpathy指出当前软件世界的一个根本矛盾：大多数工具仍然为"人类点击界面"而设计。文档告诉你"去这个URL，点这个按钮，打开这个设置面板"。但越来越多的"用户"不再是人类，而是人类的Agent。
未来的基础设施需要Agent-Native的设计： - Markdown文档替代点击教程 - CLI和API替代图形界面 - 机器可读的schema和结构化日志 - 可复制粘贴的Agent指令 - 委托权限系统 - 可审计的操作日志 - 无需人工照看的部署流程
Karpathy用传感器（sensors）和执行器（actuators）来框架化这个未来：传感器将世界状态数字化，执行器让Agent改变世界。未来的技术栈就是Agent代表人类和组织使用传感器和执行器。
我的延伸分析：这个方向可能是2026-2027年最大的创业机会之一。目前几乎所有SaaS产品的"API"本质上都是事后添加的——核心体验仍是人类在屏幕上点击。但一旦Agent成为主要的"用户"，那些率先为Agent设计一流体验的产品将获得巨大的先发优势。想象一下：一个项目管理工具，不是给你看仪表盘，而是给你的Agent暴露清晰的CRUD操作和状态查询——当Agent可以在几秒钟内完成人类需要几十分钟才能做完的操作时，产品竞争力将被彻底重定义。
Karpathy的一个大胆预测：如果Agentic Engineering是新的专业技能，那招聘流程必须直接测试这种能力。传统的LeetCode式编程面试越来越不匹配。
更好的面试可能是：用Agent构建一个完整项目，部署它，确保安全，然后让对抗性Agent尝试攻破它。这测试的是真正重要的能力——候选人能否为Agent分解工作？能否写出有用的spec？能否在快速迭代中保持质量？能否审核生成的代码？能否确保系统安全？
更激进的观点是："10x工程师"的概念可能变得远比过去极端。掌握Agentic工作流的人，可能不只是比别人快10倍，而是快100倍甚至更多。
我的延伸分析：这对开发者职业生涯的启示是深远的。传统的"资深"标志——精通某个框架、熟记某个API——正在被贬值，因为Agent可以瞬间调取这些信息。新的"资深"标志变成了：能否精准地给Agent下达指令、能否设计出让Agent高效协作的系统边界、能否在AI给出看似合理但战略性错误的方案时及时发现。理解力（understanding）正在取代知识量（knowledge）成为最稀缺的能力。
mindmap
root((Karpathy的<br/>编程范式革命))
Software进化
Software 1.0
人类写显式代码
精确描述每个步骤
Software 2.0
训练神经网络
行为编码在权重中
Software 3.0
上下文窗口即程序
Prompt为新编程接口
核心概念
Vibe Coding
降低入门门槛
原型与个人工具
提升地板
Agentic Engineering
专业纪律与质量
生产系统保障
提升天花板
Jagged Intelligence
AI能力锯齿分布
幽灵而非动物
信任不能均匀分布
关键洞察
可验证性框架
可验证→AI进步快
不可验证→需人类审核
创业甜蜜地带
App消亡论
MenuGen案例
脚手架→直接变换
别只问更快，问什么不必要
Agent-Native
为Agent设计基础设施
传感器+执行器
下一个创业金矿
对开发者的影响
技能迁移
从知识量到理解力
从写代码到审代码
从执行到编排
招聘变革
LeetCode式面试过时
Agent协作能力为王
10x→100x工程师
行动指南
写好spec
投资测试与验证
保持人类在架构决策中
看完这个演讲，你应该立即开始做以下五件事：
1. 重新审视你的代码库——它对Agent是否"可读"？如果你的项目文档混乱、测试薄弱、规范模糊，Agent也无法高效工作。Karpathy的忠告是："如果你的repo对人类来说难以理解，它对Agent来说大概率也是如此。"
2. 投资验证基础设施——测试套件、lint规则、类型检查、CI/CD管线——这些不只是工程质量工具，它们是你给Agent提供反馈信号的方式。验证覆盖率越高，Agent的自主权就越大。
3. 学会写好Spec——在Software 3.0时代，写spec可能比写代码更重要。Agent在目标清晰时表现优异，在模糊时频频出错。练习用精确、无歧义的语言描述你要什么，这本身就是一种编程。
4. 建立"锯齿感知"——对自己工作中哪些部分属于AI的高能力区、哪些属于低能力区建立直觉。在高能力区大胆委托，在低能力区保持严格审核。
5. 从"写代码"转向"审代码"——你的核心竞争力不再是手写每一行代码，而是判断一行代码（无论谁写的）是否正确、是否安全、是否符合架构愿景。
寻找有价值、可验证、但前沿实验室尚未充分覆盖的领域。代码和数学已经被大厂重兵投入，但大量垂直领域（合规检查、数据变换、金融对账、基础设施验证等）仍存在可验证但未被充分训练的空白地带。这正是创业的切入点。
编程的本质正在从"写代码"转向"编排Agent"——Karpathy的Agentic Engineering不是让你放弃技术能力，而是要求你把技术理解力提升到架构和判断层面，同时把实现细节委托给值得信任但不完美的AI系统。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。