# 能验证才被AI学会：拆解能力锯齿 > 当一个能重构十万行代码、能挖出零日漏洞的模型，转头告诉你"洗车店离你 50 米，建议步行去"——你就知道，我们对 AI 的能力地图，一直都画错了。 ## 导语：为什么这个视频值得每个程序员停下来看一遍 如果你在 2025 年用 Claude Code、Codex、Cursor 还只是"提效工具"，那么 2026 年你应该认真听 Andrej Karpathy 这场炉边访谈。这位 OpenAI 联合创始人、前特斯拉 AI 负责人、Eureka Labs 创始人，在 Sequoia Capital 的 AI Ascent 2026 大会上说出了一句让整个开发者社区震动的话：**"作为一个程序员，我从未感到如此落后。"** 这不是凡尔赛。他真正想说的是：编程这件事的**默认工作流**已经变了。不是编程变难了，而是"写代码"本身正在从一个核心技能，降级成 AI 的基础动作；真正稀缺的，变成了另一些东西。 这场约 30 分钟的对谈信息密度极高，Karpathy 把它拆成了三个相互咬合的概念——**Software 3.0、可验证性（Verifiability）、Agentic Engineering**。本文不搬运，而是把它重组成一套你可以立刻拿来诊断自己工作、判断技术选型、甚至指导职业方向的分析框架。 ## 视频背景卡片 | 项目 | 内容 | |------|------| | 视频标题 | Andrej Karpathy: From Vibe Coding to Agentic Engineering w/ Stephanie Zhan | | 频道 | Sequoia Capital（订阅约 22.4 万）| | 时长 | 约 30 分钟（29:45）| | 发布 | 2026 年 5 月（演讲 2026-04-20，旧金山 AI Ascent）| | 访谈者 | Stephanie Zhan（Sequoia 合伙人）| | 播放量 | 发布数周内刷屏，演讲全文 6800+ 词被多家媒体逐句拆解 | | 核心主题 | Software 3.0、可验证性、锯齿状智能（Jagged Intelligence）、Agentic Engineering | --- ## 核心内容拆解 ### 一、2025 年 12 月，是一道"智能体拐点" Karpathy 说自己整个 2025 年都在用各类 agent 工具，它们"擅长写代码片段，但经常出错，你得手动改"。直到 2025 年 12 月，他度假有时间，密集地试最新模型，发现一个肉眼可见的跃迁：**生成的代码块更大、更连贯、更可靠，他甚至记不清上一次纠正 agent 是什么时候了。** 这条观察背后是一个被很多人忽视的事实：编程的**计量单位**变了。过去是"打字，写一行行代码"；现在变成了"委派一个宏动作"——实现这个功能、重构这个子系统、研究这个库、搭起这个服务、写测试并跑通修复、对比两种方案并给出计划。 **我的延伸判断**：很多还在纠结"AI 写的代码对不对"的人，其实卡在了旧的计量单位里。当单位从"行"变成"任务"，程序员的角色就从"打字员"变成"项目经理/编排者"。你不再和 AI 比"谁记得住 API"，而要比"谁更会把活拆给一群不完美但极快的实习生"。 ### 二、Software 3.0：上下文窗口就是新的"程序" Karpathy 把软件演进压缩成一条序列，这是全片最值得反复咀嚼的框架： - **Software 1.0**：人写明确的代码（规则）。 - **Software 2.0**：人准备数据集、目标函数和神经网络结构，"程序"被训练进权重里。 - **Software 3.0**：人通过 prompt、上下文、工具、示例、记忆、指令去"编程" LLM。**上下文窗口成了你的主控制杆，LLM 是跑在这个上下文上的解释器。** 他举了两个让人醍醐灌顶的例子。第一个是安装脚本：传统世界装一个跨平台的复杂工具，要写一堆 `if/else` 塞满条件分支的 shell 脚本（Software 1.0 的执念——要精确）。而 Software 3.0 的"安装包"，是一段**你复制粘贴给 agent 的文字**——它读取你的本地环境、自己 debug、适配你的机器、完成安装。 第二个例子 MenuGen 更狠。他用旧范式做了一整套 app：拍照→OCR 菜单名→用图像生成器画菜→在 UI 里渲染，要前端、API、鉴权、支付、部署、密钥管理。而 Software 3.0 版本是什么？**拍张照，丢给多模态模型，让它直接把菜品图"画"进菜单像素里。** 中间那整个 app 栈，本质上是在给一个"模型现在能直接完成的变换"搭脚手架。 > 视频原话大意：**有些 app 根本不该作为 app 存在。** 不要只问"AI 能让我更快地造旧 app 吗"，要问"哪些以前不可能的信息变换，现在变得自然了？" **我的解读**：这是一个产品判断的核武器。当你想做某个工具时，先问自己——这件事是不是模型一次前向传播就能完成的"媒体到媒体的变换"？如果是，你可能在用 2018 年的思路造 2026 年的废墟。 ### 三、可验证性：这才是全文最硬的核心论点 如果说前两点是"现象"，那**可验证性（Verifiability）**才是 Karpathy 真正想交付的"定律"。一句话： > **传统软件自动化"你能规定的（specify）"；LLM 自动化"你能验证的（verify）"。** 一个任务只要存在**自动的奖励/成功信号**，模型就能通过强化学习反复练习它。这就是为什么数学、代码、测试、benchmark、游戏这些领域进步飞快——它们可重置、可重复、可打分。 而这条定律直接解释了那个著名的"锯齿状"现象：同一个 SOTA 模型，能重构十万行代码、能挖出零日漏洞，却会一本正经地建议你"步行去 50 米外的洗车店"。原因不是它"傻"，而是**洗车场景不在它被 RL 训练过的验证回路里**。 Karpathy 还补了一个关键修正：能力不仅取决于"能不能验证"，还取决于**实验室在训练时给没给注意力**。他给了一个粗略公式： > **能力峰值 ≈ 可验证性 × 训练注意力 × 数据覆盖 × 经济价值** 国际象棋的例子很有说服力：从 GPT-3.5 到 GPT-4，很多人以为棋力大涨是"通用智能"自然提升的结果，但实际上很可能是**大量棋谱数据被塞进了预训练集**。是有人在 OpenAI 决定加这批数据，于是出现了一个能力尖刺。 **这对工程师意味着什么**：前沿模型没有说明书。它是一个由预训练配比、RL 环境、benchmark 压力、产品优先级、经济激励共同塑造的"产物"。你要做的第一件事，是搞清楚**你的任务在不在这个模型的"轨道（rails）"上**。在轨道上，它能飞；不在轨道上，它会以令人吃惊的笨拙方式失败。 ### 四、Vibe Coding 抬地板，Agentic Engineering 抬天花板 Karpathy 去年发明了 "vibe coding"（凭感觉编程）这个词。今年他刻意把两件事分开： - **Vibe Coding**：抬高地板，让几乎所有人都能靠描述需求造出软件。原型、个人工具，完全 OK。 - **Agentic Engineering**：抬高天花板，是一门**专业工程纪律**——在一群"既强大又随机出错（fallible & stochastic）"的 agent 里，如何协调它们又快又不牺牲质量、安全、品味和可维护性。 > 视频原话：**Vibe coding 不允许你因为"凭感觉"就引入安全漏洞。你对软件依然负有和过去一样的责任，只是现在你可以更快。** 他举了一个绝佳的反面案例（MenuGen 的支付 bug）：用户用 Google 账号登录、用 Stripe 买积分，两边都有邮箱。agent 试图**用邮箱地址把 Stripe 的购买记录和 Google 账号匹配起来**。代码完全合理，但系统设计是错的——两个邮箱可以不一样，用户可能买完拿不到积分。**正确做法是用持久化的 user ID，而不是邮箱去关联资金。** 这种判断，agent 现在还做不出来。 由此推出他对"10x 工程师"的新预言：**掌握 agentic 工作流的人，对其他人的领先可能远不止 10 倍。** 过去是 10x，现在是 50x、100x 的差距。 ### 五、你可以外包"思考"，但不能外包"理解" 访谈结尾那句被反复引用的话，值得贴在显示器上： > **You can outsource your thinking, but you can't outsource your understanding.（你可以外包思考，但无法外包理解。）** agent 像实习生，记忆力和执行力极强。Karpathy 自己已经**记不清** PyTorch、NumPy、pandas 里 `dim` vs `axis`、`reshape`/`permute`/`transpose`/`keepdim` 这些细节了——因为不需要记，agent 的召回很准。但他**仍然必须懂底层**：张量有底层存储，你可以操作同一块存储的 view，也可以创建新的存储（效率低），你必须知道什么时候在无谓地拷贝内存。 换句话说，**API 细节贬值，底层概念升值**。存储、视图、内存拷贝、不变量、身份（identity）、安全边界、系统的"形状"——这些才是你作为"导演"必须握在手里的东西。理解是你当不好导演的唯一原因；信息仍必须真正进入你的大脑，否则你连"该建什么"都判断不了。 他还提了自己的 microGPT 项目（一个零依赖的单文件 Python GPT 训练+推理实现）。有意思的是，他发现**让 LLM 把代码进一步简化，简直像拔牙**——模型做不到。这恰好印证了可验证性定律的反面："品味/简化"没有自动的奖励信号，所以它不在 RL 回路里，所以模型在这里就是会卡住。**这恰恰是人类价值最集中的地方之一。** ### 六、Ghosts, Not Animals：别把 LLM 当动物 Karpathy 用 "Animals vs. Ghosts" 的框架，提醒人们纠正一个普遍的直觉错误：**LLM 不是动物。** 它没有生物驱力、没有生存压力、没有自发的玩耍、好奇或内驱力。你冲它吼，它不会做得更好或更差。它是"人类产物的统计模拟"，基底是预训练，再在上面焊一层 RL。 为什么要强调这点？因为**拟人化的期待会误导我们**。这些系统可以这一秒天才、下一秒荒谬。正确的姿态既不是轻蔑，也不是盲信，而是**经验主义的熟悉感（empirical familiarity）**——搞清楚它在哪行、在哪崩、它是为什被训练的、怎么给它围上护栏。把 AI 当"锯齿状的异形工具"，而不是"有点笨的人"或"聪明的神"。 ### 七、Agent-Native 基础设施：别再为"人"写文档了 这是 Karpathy 最"暴躁"的一段，也是对整个 SaaS 行业的警告。他说现在的文档还在写"去这个 URL、点这个按钮、打开设置面板"——**但越来越多时候，用户不是人，而是人的 agent。** 他主张产品必须有 **agent 原生的接口面**：Markdown 文档、CLI、API、MCP server、结构化日志、机器可读 schema、可复制粘贴的 agent 指令、安全的权限管理、可审计的动作、无头（headless）的部署流程。 他还提出一个很漂亮的抽象——**传感器（sensor）与执行器（actuator）**：传感器把世界某状态变成数字信息；执行器让 agent 改变某事。未来的技术栈，就是 agent 代表人和组织，在传感器与执行器上运作。 > 仍用 MenuGen 当标尺：写代码不难，难的是接 Vercel、鉴权、支付、DNS、密钥、生产配置。在成熟的 agent-native 世界里，他应该能说一句"build MenuGen"，agent 就把整套部署搞定、无需手点。**这就是衡量我们基础设施够不够 agent-native 的终极测试。** ### 八、招聘与创业的连锁影响 最后两点是面向团队和创始人的。**招聘要重写**：传统的小算法题越来越失配。更好的面试是——给候选人一个大项目（比如"为 agent 写一个 Twitter 克隆，做好做安全"），然后用十个 agent 去攻击他部署的网站，看能不能攻破。这测的是真本事：能不能把活拆给 agent、写有用的 spec、在快的同时守住质量、加固系统、把 agent 当杠杆而不是产出垃圾。 **创业的 wedge**：去找那些**有价值、可验证、但前沿实验室还没重点训练**的领域。代码和数学这些显而易见的赛道已被实验室重兵把守，但许多经济上重要的领域，可能藏着**还没被开发的、潜在可验证的结构**——只要你能造出一个让模型"试动作→收可靠奖励"的环境，你就能用 fine-tune / RL 提升，哪怕基础模型在这里一开始不怎么样。 --- ## 知识结构图 ```mermaid mindmap root((Karpathy:
AI 重写编程)) 拐点 2025-12 智能体跃迁 计量单位: 行 → 宏任务 角色: 打字员 → 编排者 Software 3.0 1.0 写规则 2.0 学权重 3.0 编程上下文窗口 例子: 安装脚本→一段文字 / MenuGen 消失 可验证性定律 能 specify 的→传统软件 能 verify 的→LLM 锯齿状智能: 重构10万行 vs 走路去洗车 公式: 验证×注意力×数据×价值 工作流 Vibe Coding 抬地板 Agentic Engineering 抬天花板 MenuGen 邮箱匹配 bug 人不可外包 外包思考 不外包理解 API 贬值 概念升值 microGPT: 模型不会简化 基础设施 为 agent 而非人构建 传感器 + 执行器 MCP/CLI/API/Markdown 文档 招聘与创业 大项目+对抗式 agent 面试 找有价值·可验证·未被训练的领域 ``` ## 实战启示：你该怎么把这些用起来 **1. 给你的每个任务做"可验证性体检"。** 这是最立竿见影的动作。拿到一个任务，先问：它有自动的成功信号吗？测试能跑、benchmark 能打分、diff 能 review？能——放心把它整个交给 agent，建立 eval loop，让它自我迭代。不能——你必须留在 loop 里，把它当需要人类判断的环节。这一步能瞬间帮你重新分配精力：把人花在"不可验证"的高价值判断上，把"可验证"的部分大胆外包。 **2. 判断技术选型时，问"我在不在模型的轨道上"。** 如果你选的方案大量依赖模型不擅长的、不可验证的推理，要预判它会以离谱方式失败。要么换更"在轨道上"的实现路径，要么自己建一个小型 RL/eval 环境去 fine-tune 补齐。**自己的验证环境，就是你真正的护城河。** **3. 个人投资方向：把背 API 的精力转到"第一性原理"。** 别再死记 `dim/axis/keepdim`，转去吃透存储与视图、身份与安全边界、系统的整体形状。这些是 agent 替不走的——可验证性定律恰恰说明了，没有奖励信号的"品味/理解"，是模型最难追上你的地方。 **4. 团队层面，把文档和产品"agent 化"。** 为你的服务提供 CLI、API、MCP server、机器可读 schema 和可复制粘贴的 agent 指令。把"点这里"的步骤改成"喂给 agent 的文字"。这是未来谁先用上、谁就降本一截的差异化。 **5. 守住质量底线。** 无论 agent 多快，你都对安全漏洞和系统设计负最终责任。养成"看 diff、写 spec、跑测试、隔离 worktree、控权限"的纪律——这就是 Agentic Engineering 和"产出垃圾"的分水岭。 ## 延伸学习路径 1. **Karpathy 博客原文**：`karpathy.bearblog.dev/sequoia-ascent-2026/`——他亲自用 LLM 清洗过的访谈全文+摘要，最权威的一手资料。 2. **"Software Is Changing Again" / "Software 3.0" 演讲**：Karpathy 把 1.0/2.0/3.0 框架讲得更系统的版本，建议配合观看。 3. **microGPT 仓库**：零依赖单文件 GPT 实现，是最好的"把理解压缩进最小可读制品"的范例。 4. **可验证性主题扩展阅读**：搜索 "verifiability reinforcement learning LLM"，理解为什么 coding/math 进步快而开放写作慢。 5. **Agent-native 工具链实操**：上手一个 MCP server（参考已拆解过的 MCP 协议），亲手把一个内部服务暴露给 agent，体会"传感器/执行器"抽象。 ## 一句话总结 **Karpathy 用一句话改写了编程的地图：传统软件自动化"你能规定的"，AI 自动化"你能验证的"——所以你的稀缺价值，正从"会写代码"快速迁移到"懂底层、有品味、能协调一群不完美 agent 还守住质量"。** --- ## 参考来源 1. [Andrej Karpathy: From Vibe Coding to Agentic Engineering w/ Stephanie Zhan](https://www.youtube.com/watch?v=96jN2OCOfLs) — 本文分析的核心视频（Sequoia Capital 频道） 2. [Sequoia Ascent 2026 summary — karpathy.bearblog.dev](https://karpathy.bearblog.dev/sequoia-ascent-2026/) — Karpathy 本人整理的访谈全文与摘要（一手资料） 3. [Andrej Karpathy on Agentic Engineering: Why He's Never Felt More Behind — websearchapi.ai](https://websearchapi.ai/blog/andrej-karpathy-from-vibe-coding-to-agentic-engineering) — 社区深度拆解与补充分析 4. [From Vibe Coding to Agentic Engineering — nodemerge.com](https://nodemerge.com/blog/andrej-karpathy-vibe-coding-agentic-engineering-sequoia) — 软件开发转折点视角的延伸解读 5. [AI Ascent 2026 | Sequoia Capital](https://www.sequoiacap.com/article/ai-ascent-2026/) — 大会官方背景与议程 --- > 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。