2025年初，Andrej Karpathy随口说出的"Vibe Coding"成了整个开发者社区的年度热词——用自然语言指挥AI写代码，不看diff，不读源码，全凭感觉。一年后，在Sequoia Capital的AI Ascent 2026大会上，这位OpenAI联合创始人、前Tesla AI负责人、Eureka Labs创始人带来了一个更严肃的词汇：Agentic Engineering。这不是概念翻新，而是一次认知升级——从"我不看diff了"的狂欢，到"我们如何与这些幽灵般的智能体共事"的冷静思考。29分钟的对话里，Karpathy承认自己"从未感觉如此落后"，同时为整个软件工程行业描绘了一幅从混沌走向秩序的蓝图。这不是一个AI布道师的欢呼，而是一个顶级工程师在时代裂变前的清醒自白。
| 项目 | 内容 |
|---|---|
| 视频标题 | Andrej Karpathy: From Vibe Coding to Agentic Engineering |
| 频道 | Sequoia Capital |
| 发布日期 | 2026年4月29日 |
| 时长 | 29分49秒 |
| 播放量 | 120万+ |
| 核心主题 | Software 3.0的成熟，从vibe coding到agentic engineering的范式跃迁 |
视频开场，Karpathy说了一句让所有程序员心跳加速的话："I've never felt this much behind as a programmer." 作为曾经主导Tesla Autopilot、参与创建OpenAI的人，他的"落后感"不是谦虚，而是一种真实的时代感知。
这种落后感来自一个根本性变化：编程的速度上限被彻底打破了。过去，一个工程师的产出受限于打字速度、调试经验和架构能力。现在，一个使用Claude Code + Gemini CLI的开发者，一天能完成的代码量可能超过过去一周。Karpathy自己的MenuGen项目就是典型案例——他用Cursor + Claude，零Web开发经验，从零构建了一个包含前端、后端、认证、支付、部署的完整SaaS应用。他在博客中坦言："100%的代码由AI编写，我实际上并不知道MenuGen在传统意义上是怎么工作的。"
但这一年的实践也让他意识到，Vibe Coding的"蜜月期"正在过去。真正的挑战不是让AI写代码，而是如何工程化地管理AI生成的代码。这就是他提出"Agentic Engineering"的核心动机。
Karpathy的Software版本论框架是理解整个对话的基石：
这个框架的关键洞察是：每次范式跃迁并没有消灭前一个范式。Software 1.0仍然存在（你的操作系统、数据库都是），Software 2.0在AI推理中无处不在，而Software 3.0正在成为最高层的抽象。一个2026年的完整系统可能同时包含三种范式的代码——Python业务逻辑（1.0）、ML推理引擎（2.0）、LLM Agent调度层（3.0）。
Karpathy在2025年YC的演讲中进一步阐述了LLM的三重类比：LLM是utility（像电力公司）、fab（像芯片工厂）和OS（像操作系统）的统一体。 它们由实验室"fab"出来，像utility一样分发，同时承载着像OS一样的应用生态。这个类比暗示我们正处在LLM的"1960年代"——计算机刚从实验室走向商业化的早期。
这段可能是整个对话中最具哲学深度的部分。Karpathy说，很多人把LLM比作动物或某种生物，但他更倾向于一个更准确的比喻：LLM是"people spirits"——人的幽灵。
为什么是"幽灵"？因为LLM本质上是一个人类行为的统计模拟器。它通过训练数据学会了人类如何思考、表达和决策，然后以一种"stochastic simulation"（随机模拟）的方式重新生成这些行为。它同时具备超越人类的能力（知识广度、推理速度）和令人沮丧的缺陷（幻觉、不一致、无法可靠地遵循指令）。
"Jagged"（锯齿状的） 是Karpathy用来描述LLM能力特征的核心概念。一个LLM可以在写复杂算法时表现得像资深工程师，但同时在简单的逻辑推理中犯低级错误。这种"锯齿状"的能力分布意味着你不能用传统的信任模型来评估AI的输出——它不是一个"90%可靠"的工具，而是一个在某些维度超神、在另一些维度灾难性失败的"幽灵"。
这个认知框架直接导致了Karpathy对"verifiability"（可验证性）的强调——这也是他从Vibe Coding走向Agentic Engineering的关键转折点。
Karpathy在对话中明确指出，"你可以外包你的思考（thinking），但你绝对不能外包你的理解（understanding）。" 这句话是对Vibe Coding最精辟的修正。
具体来说，当一个AI Agent为你生成了500行代码，你可以选择： 1. 盲信（Vibe Coding的极端）：点"Accept All"，不看diff。Karpathy承认自己早期就是这么做的。 2. 逐行审查：但面对每天数千行的AI生成代码，这在时间上不现实。 3. 建立验证体系：通过测试、类型系统、CI/CD pipeline来确保AI生成的代码符合规范。
Karpathy的答案指向了第三条路。他在对话中暗示，Agentic Engineering的核心不是控制AI写什么，而是设计出能让AI的输出自动被验证的系统。 这意味着： - 测试驱动开发（TDD） 在AI时代不是过时了，而是更重要了——因为测试是你验证AI输出的唯一可靠手段。 - 类型系统 的价值暴增——TypeScript、Rust的类型系统不仅是开发者的安全网，更是AI Agent的质量约束。 - 沙盒环境 成为必需品——AI Agent的代码必须在隔离环境中运行，通过验证后才能合并。
这让我想到Namanyay Goel在那篇著名的反驳文章《Karpathy's 'Vibe Coding' Movement Considered Harmful》中举的例子：他在凌晨1点debug一个支付系统故障时，AI帮不上忙，因为他必须理解底层的支付管理逻辑和请求流程。Goel的观点和Karpathy的最新认知殊途同归——你不能优化你不理解的东西。
Karpathy在对话中分享了一个重要的实践洞察：用结构化的"菜单"而非原始prompt来与LLM交互，效率有天壤之别。
他的MenuGen项目给了他一个具体的领悟：当你给LLM一个明确的结构（"这是一个菜单，每道菜需要生成一张图"），LLM的表现远好于给它一个模糊的请求（"帮我处理这个菜单"）。这不是偶然——结构化输入本质上是在缩小LLM的搜索空间，让它更容易找到正确的输出路径。
这引出了Agentic Engineering的一个关键原则：好的Agent设计不是让AI自由发挥，而是为它构建一个约束良好的工作框架。 类比到Tesla Autopilot的经验，Karpathy指出自动驾驶系统的成功不是因为AI有多聪明，而是因为工程师们精心设计了感知、规划和控制的模块化架构，让每个AI模块只负责它最擅长的部分。
Karpathy在对话中列举了一些"到2026年已经很清楚"的趋势：
但同时，他也强调了一些还不清楚的事情： - Agent的自主性边界在哪里？完全自主还是半自主？ - 如何评估Agent生成代码的长期可维护性？ - 当Agent开始修改Agent生成的代码时，技术债务如何控制？
这是整个对话的核心。Karpathy明确表示，Vibe Coding是Agentic Engineering的"婴儿期"——是一种直觉性的、无结构的AI使用方式。而Agentic Engineering是一种更严肃的工程学科，它需要：
Karpathy用一个精妙的比喻总结了这种转变：Vibe Coding像是蒙着眼睛开车，靠感觉判断方向。Agentic Engineering像是设计一个自动驾驶系统——你不需要自己开车，但你需要理解整个系统是如何工作的，以及如何在它出错时接管。
mindmap
root((Karpathy: From Vibe Coding<br/>to Agentic Engineering))
Software 范式演进
Software 1.0: 显式代码逻辑
Software 2.0: 神经网络权重
Software 3.0: 自然语言编程
核心认知框架
LLM = "People Spirits"幽灵
Jagged Intelligence锯齿智能
LLM三重身份: Utility/Fab/OS
Vibe Coding 问题
盲信AI输出
代码理解丧失
技术债指数增长
安全审计黑洞
Agentic Engineering 原则
结构化Prompt > 原始Prompt
可验证性优先
渐进式自主性
人监督 + AI执行
关键实践
TDD在AI时代更重要
类型系统作为约束
沙盒环境隔离
多Agent协同架构
2026趋势
自然语言=新编程语言
Agent=新安装程序
全民程序员时代
理解不可外包
停止把AI当代码打字员，开始把它当系统工程伙伴。 Vibe Coding阶段的核心是"帮我写这段代码"，Agentic Engineering阶段的核心是"帮我设计和验证这个系统"。从"Accept All"升级到"Design + Verify"。
投资验证基础设施。 如果你还在手动测试AI生成的代码，你已经落后了。建立完善的单元测试、集成测试、类型检查和CI/CD pipeline，让机器验证机器。Karpathy从Tesla Autopilot带来的最大启示就是：自动驾驶系统之所以安全，不是因为AI有多聪明，而是因为验证体系有多完善。
培养"判断力"（Taste）。 Karpathy反复强调，在Agentic Engineering时代，最重要的能力不是写代码的能力，而是判断AI输出质量的能力。这需要对系统设计、架构模式和工程最佳实践的深刻理解。这种"品味"无法被AI替代，因为它本身就是一种元认知能力。
理解不可外包。 Karpathy的原话："You can outsource your thinking, but never your understanding." 你可以让AI帮你思考具体问题的解决方案，但如果你不理解系统的基本原理，当AI出错时你将完全束手无策。
建立Agent工作流规范：不是每个开发者自由地用AI写代码，而是建立团队级别的Agent使用规范，包括代码审查流程、验证标准和质量门禁。
重新评估技术栈：优先选择有强类型系统、丰富测试生态的工具链。TypeScript > JavaScript，Rust > C++——类型系统在AI时代是第一道防线。
关注Agent的"锯齿性"：不要因为LLM在某个任务上表现出色就假设它在所有任务上都可靠。为每个Agent建立能力边界文档，明确它能做什么、不能做什么。
Andrej Karpathy: Software Is Changing (Again) | Y Combinator — 2025年6月的原始演讲，完整阐述Software 1.0→2.0→3.0的演化框架，是这个Sequoia对话的前传。39分钟的完整版比Sequoia版本更系统化。
Karpathy's 'Vibe Coding' Movement Considered Harmful | Namanyay Goel — 25万+阅读的反驳文章，从工程实践角度指出Vibe Coding的危险性。与Karpathy的最新认知形成有趣的对照——批评者和被批评者最终走向了相似的结论。
Skill Issue: Karpathy on Code Agents, AutoResearch | No Priors Podcast — 66分钟的深度访谈，涵盖AutoResearch项目（让AI Agent自主完成AI研究的实验设计、训练和优化），以及模型分化、就业市场等更广泛的话题。
Vibe coding MenuGen | Karpathy's Blog — Karpathy亲自记录的MenuGen项目开发日志，是理解Vibe Coding真实体验的一手资料，包括API对接的痛苦、部署的坑、以及"80%完成的幻觉"。
Anthropic's Boris Cherny: Why Coding Is Solved | Sequoia Capital — 同一场AI Ascent大会上的另一个重磅演讲，Anthropic工程师探讨"编程已被解决"的命题以及接下来会发生什么。
Karpathy用一年时间完成了从"我不看diff了"到"Agentic Engineering是更严肃的工程学科"的认知跃迁——他不是在否定Vibe Coding，而是在为它补上缺失的工程基础：当编程的门槛降到零，真正值钱的不是写代码的能力，而是验证、判断和理解的能力。
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。