Andrej Karpathy：Vibe Coding提高下限，Agent工程保证质量

我们正在从“氛围编程”（Vibe Coding）进入“智能体工程”（Agentic Engineering）的新时代。

AI 大神 Andrej Karpathy 公开说出“我从未感觉自己作为程序员如此落后”时，你可能觉得这是一种谦虚或凡尔赛。

但这是实话，是一种面对范式剧变时的真实感受，就像一个织工第一次看到蒸汽纺纱机时的震撼。Andrej 感受到的“落后”，不是因为他写代码的速度慢了，而是因为“写代码”这件事本身的定义正在被重塑。

这场在红杉资本 AI Ascent 峰会上的对话，信息密度极高。它不是在布道AI有多厉害，而是在揭示一个已经发生但未被普遍感知的现实：一种新的工程学科正在成形，它要求我们重新审视从开发、部署到评估的每一个环节。

软件3.0：颠覆式的变革

要理解 Andrej 的“落后感”，必须先理解他所说的软件 3.0 到底是什么。

软件 1.0：我们用明确的指令编写代码。比如 if-else，for 循环。这是人类逻辑的直接转译，确定而僵硬。

软件 2.0：我们不直接写代码，而是通过构建数据集和训练神经网络来“编程”。代码变成了学习到的权重。这是通过数据寻找模式，比 1.0 更有弹性，但本质上仍是针对特定任务的优化。

软件 3.0：编程变成了“提示”（Prompting）。大型语言模型本身成了一个可编程的通用计算机，而“上下文窗口”（Context Window）就是我们操作这个计算机的杠杆。

如果你对 AI 的使用还停留在“帮我写一段代码”的水平，这是一种典型的软件 1.0 思维，只是把 AI 当成了一个更快的打字员或一个更博学的 Stack Overflow。

Andrej 举了两个例子，揭示了软件 3.0 的真正能力。

第一个例子是 open-interpreter 的安装。在传统世界（软件 1.0），为了让一个程序能在各种不同环境（macOS, Linux, Windows, 不同版本的 Python）下安装，开发者需要编写一个极其复杂的 Shell 脚本，处理各种边界情况。这个脚本会变得越来越臃肿，难以维护。而 open-interpreter 的安装方式是什么？它直接给你一段文本，告诉你：“把这段话复制粘贴给你的 Agent。”

这个 Agent 会理解你的意图（“我要安装这个东西”），然后自己检查你的系统环境，智能地执行指令，遇到问题甚至会自行调试。这背后的思想转变是巨大的：你不再需要为所有可能性编写精确的代码，你只需要清晰地表达你的目标，让一个拥有“常识”和“执行能力”的实体去完成它。那个复杂的 Shell 脚本，在软件 3.0 的范式下，根本就不应该存在。

第二个例子，MenuGen。

Andrej 做了一个叫 MenuGen 的小应用。场景是：去一家没有图片的餐厅，你看不懂菜单上的菜名。这个 App 允许你拍下菜单，然后它会通过 OCR 识别菜名，调用图像生成模型为每个菜生成一张图片，最后重新渲染一个带图的新菜单给你看。这是一个典型的、聪明的、结合了多种技术的软件 2.0 应用。它需要前端、后端、部署。

现在，他看到了软件 3.0 的版本：直接把菜单照片发给 Gemini，然后说一句：“用图片把这张菜单上的菜品覆盖掉。”Gemini 返回了一张图片，就是他拍的那张菜单，但每个菜名旁边，都精准地“P”上了一张菜品图。

Andrej 的原话是：“这让我大为震惊……我那个 MenuGen 应用的全部代码都成了多余的，它就不应该存在。”

这就是软件 3.0 的破坏力。它不是让你的 App 开发得更快，而是让你的 App 变得毫无必要。整个“识别-处理-再渲染”的复杂链路，被一个端到端的“理解-生成”模型一步完成了。

这引出一个更深层次的问题：今天我们正在构建的无数应用、服务和工作流，有多少本质上只是旧范式下的“MenuGen”，在软件 3.0 的浪潮中注定会被拍扁？

从氛围编程到智能体工程：从业余到专业的进化

去年，Andrej 创造了“氛围编程”（Vibe Coding）这个词。它描述的是一种新的编程体验：你不再需要精确地记住每个 API，你可以凭着“感觉”和“氛围”，用自然语言描述你的想法，AI 会帮你填充细节。这极大地降低了编程的门槛，让更多人能创造软件。Andrej 认为，Vibe Coding 的核心价值在于“提高所有人的下限”。

但这只是故事的一半。当你把 Vibe Coding 的产物放到专业的、严肃的生产环境中时，问题就来了：它可能引入漏洞，可能存在性能隐患，可能设计得一塌糊涂。

于是，出现了一个新概念：“智能体工程”（Agentic Engineering）。

如果说 Vibe Coding 是提高下限，那么 Agentic Engineering 的目标就是“维持原有的质量标准”，甚至在高速开发的同时超越它。

这门新兴的工程学科，研究的核心问题是：我们如何驾驭和协调这些能力强大但又有点“神经质”、“随机”的 Agent，让它们在不牺牲软件质量的前提下，极大地提升开发效率？

这不再是“写个 Prompt”那么简单。它是一门真正的工程学，涉及：

• 对 Agent 能力边界的深刻理解。
• 设计健壮的、可验证的、分层的工作流。
• 构建自动化测试和监督系统。
• 在人机协作中进行有效的任务分解和接口设计。

Andrej 提到，以前我们说“10 倍工程师”，但在智能体工程的时代，这个差距会被急剧拉大。一个顶尖的智能体工程师，带来的效率提升可能远不止 10 倍。

参差的智能与可验证性：为什么你需要一个工程师，而不是一个许愿机？

智能体工程之所以必要，是因为 LLM 的智能是“参差不齐的”。

比如那个经典的洗车问题，如果你问模型“我要去 50 米外的洗车店洗车，我应该开车去还是走过去？” 模型告诉他：“走过去，因为很近。”

一个能帮你重构十万行代码库、发现零日漏洞的“超级智能”，却无法理解“去洗车店需要开着车”这个最基本的物理世界常识。

为什么会这样？Andre j给出的核心解释是“可验证性”。

像 OpenAI、Google DeepMind 这样的前沿实验室在训练这些模型时，本质上是在一个巨大的强化学习环境中进行的。模型做出行为，如果行为的结果是好的、可验证的，它就得到奖励。

代码和数学：结果极其容易验证。代码能跑通、通过所有测试用例，就是对的；数学题算对了，就是对的。因此，模型在这些领域的能力突飞猛进。

常识问题：“去洗车店该不该开车”这类问题，在训练数据和奖励函数中，可能根本没有被很好地定义和验证。

这种“参差”是由两个因素共同决定的：任务本身是否可验证，以及实验室是否关心并投入资源去构建这个验证环境。

Andrej 提到一个细节：GPT-4 的国际象棋能力相比 GPT-3.5 大幅提升，很多人以为是模型能力自然演进的结果。但实际上，很可能是因为 OpenAI 在预训练数据中加入了海量的国际象棋棋谱数据。有人做出了这个决定，于是模型就在这个特定维度上“被”变强了。

这揭示了一个现实：我们作为用户，在某种程度上受制于这些实验室的“偏好”。他们往数据和奖励函数里加什么，模型就在哪里变强。我们拿到的，是一个没有说明书、能力曲线极不平滑的“黑箱”。

而智能体工程师的核心职责之一，就是探测和管理这种“参差”。你需要知道在你的应用场景里，你正处于模型的哪个“电路”上。如果你恰好在被RLHF（人类反馈强化学习）充分优化的电路上，你会感觉如虎添翼，体验如丝般顺滑。如果你偏离了这些电路，你会觉得模型愚蠢得不可理喻。

当你的应用不在主流电路上时，你就需要自己动手了，比如通过微调来创建你自己的“小电路”。这本身就是一种高级的工程能力。

人的价值：外包思考，但不能外包理解

随着 Agent 越来越强大，人类的价值在哪里？Andrej 给出的答案，看似老生常谈，但结合他的例子却异常深刻：品味、判断、审美和监督。

他在开发 MenuGen 时，他的 Agent 写了一段逻辑：当用户用 Stripe 购买积分时，系统会尝试通过 Stripe 账户的邮箱去匹配用户的 Google 登录邮箱，然后把积分加到那个 Google 账户上。

这个逻辑在 Agent 看来可能很“智能”，但从一个有经验的工程师角度看，这是个灾难性的设计。因为一个人完全可以用不同的邮箱注册 Google 和 Stripe。正确的做法是使用一个持久化的、唯一的 User ID 来关联所有操作。

这就是“判断力”。Agent 可以填充实现细节，但它可能缺乏高层次的架构设计原则。它可能会写出能工作的、但极其脆弱和丑陋的代码。

Andrej 还提到一个细节：他现在已经记不清 PyTorch 和 NumPy 之间那些繁琐的 API 差异了，比如到底是 dim 还是 axis，是 reshape 还是 permute。这些细节可以完全交给“实习生”（Agent）去处理。但是，他必须知道“张量有一个底层的视图”和“创建一个新的存储”之间的区别，因为这关系到内存效率。

你不需要记住具体的 API，但你必须理解其背后的根本原理。

这最终导向了 Andrej 在访谈结尾引用的那句发人深省的话：

“You can outsource your thinking, but you can’t outsource your understanding.”（你可以外包你的思考，但你无法外包你的理解。）

AI 可以帮你执行思考过程，帮你生成方案，帮你写出代码。但最终，构建对整个系统、整个问题域的深刻“理解”，仍然是你作为人类的核心任务和瓶颈。你无法指导一个你完全不理解的系统。

你的 Agent 能走多远，上限取决于你的理解深度。

结语：新的鸿沟已经出现

Andrej Karpathy 在红杉的这场分享，让我们看到：

许多现有的软件和工作流正在迅速过时。很多“聪明”的 SDE 和产品经理，还在费力地用软件 2.0 的方式搭建复杂的“MenuGen”应用，而软件 3.0 的范式已经可以直接釜底抽薪。

对工程师的要求正在发生质变。传统的招聘流程，比如在白板上解一个算法题，对于评估一个人的“代理人工程”能力几乎毫无用处。Andrej 设想的未来招聘可能是：给你一个项目，看你如何利用 Agent 工具快速构建、加固、部署，并抵御其他 Agent 的攻击。

真正的护城河是“理解”。AI 让获取信息和执行任务的成本趋近于零，但“理解”的成本没有降低，反而因为信息过载而变得更高。构建个人或组织的“知识库”，利用 AI 工具增强自己对信息的吸收和综合能力，将变得至关重要。

我们正处在一个巨大的断层上。一边是仍然停留在软件 1.0/2.0 思维模式下，把 AI 当作辅助工具的“旧世界”；另一边是已经开始拥抱软件 3.0，把 Agent 作为工程核心的“新世界”。

这正是 Andrej 感受到的的“落后感”，而大多数人，还没有真正看到未来。

参考来源：Andrej Karpathy: From Vibe Coding to Agentic Engineering