卡帕西红杉万字实录：我作为程序员从未感到如此落后，软件 3.0 时代已来| 全文图解

📌 一句话摘要

Andrej Karpathy 在红杉峰会访谈中提出软件 3.0 范式，认为 LLM 已成为新的计算解释器，编程转向提示工程，人类的核心价值在于不可外包的理解力与品味。

📝 详细摘要

本文是对 Andrej Karpathy 在红杉资本峰会访谈的全文整理与图解。Karpathy 提出了从软件 1.0（显式代码）到软件 2.0（训练权重）再到软件 3.0（提示工程）的范式演进，认为 LLM 已成为处理上下文并执行计算的通用解释器。他分享了自身从「氛围编程」到「智能体工程」的实践体验，指出 AI 生成的代码已近乎完美，开发者进入信任 AI 的新阶段。文章深入探讨了「可验证性」概念——模型在数学、代码等可验证领域表现极佳，但在常识推理等非验证领域仍存在「参差不齐的智能」缺陷。Karpathy 提出「智能体工程」作为保持专业软件质量标准的新学科，并建议企业重构招聘流程，从考核算法题转向考察候选人如何利用智能体构建完整系统。他强调人类最后的护城河是品味、判断力和不可外包的理解力，认为未来世界将布满「智能体原生」的基础设施，个人和组织都将拥有自己的智能体代表。

💡 主要观点

- 软件 3.0 范式下，编程转向提示工程，LLM 成为新的计算解释器。 Karpathy 将软件演进划分为 1.0（显式代码）、2.0（训练权重）和 3.0（提示工程）。在 3.0 时代，上下文窗口中的内容就是操纵 LLM 解释器的杠杆，神经网络承担了大部分工作，传统应用程序在中间环节变得不再必要。

AI 模型的智能分布「参差不齐」，根源在于可验证性差异。 前沿实验室通过强化学习在数学、代码等可验证领域对模型进行过度训练，使其在这些领域表现顶尖；但在常识推理等难以自动化验证的模糊领域，模型表现依然粗糙。创业者需要理解这一维度，判断自己的应用是否处于 RL 覆盖的「电路区域」。

智能体工程是保持专业软件质量标准的新工程学科。 与降低门槛的「氛围编程」不同，智能体工程关注如何在协调多个具有随机性但强大的智能体时，不牺牲安全性和质量标准。擅长此道的开发者效率提升远超传统的 10 倍程序员。

人类的核心价值在于不可外包的理解力、品味和判断力。 Karpathy 引用「你可以外包你的思考，但无法外包你的理解」这一观点，强调人类仍然是系统的瓶颈和主导者，负责决定「构建什么」「为什么值得做」以及设定系统的美学与逻辑边界。

未来世界将走向智能体原生基础设施，一切需为智能体重写。 Karpathy 认为现有互联网基础设施从文档到部署平台都需重写以适应智能体。个人和组织将拥有自己的智能体代表，智能体之间相互沟通协调，围绕 LLM 易于理解的数据结构进行自动化处理。

💬 文章金句

- 我进入了一种'氛围编程'的状态。我不再记得上一次纠正代码是什么时候，我只是不断提出要求，而系统表现得始终出色。

• 你或许可以外包你的思考，但你无法外包你的理解。
• 软件 3.0 范式要原始得多。你的神经网络承担了越来越多的工作，而你的提示词或上下文仅仅是图，输出结果也是图，中间根本不需要任何应用程序介入。
• 智能体工程的重点在于保持专业软件开发中既有的质量标准。你不能因为采用 vibe coding 而引入安全漏洞。
• 招聘应当转变为：布置一个非常宏大的项目，看看应聘者如何实现它。

📊 文章信息

AI 初评：87

来源：Web3天空之城

作者：Web3天空之城

分类：人工智能

语言：中文

阅读时间：54 分钟

字数：13323

标签： Andrej Karpathy, 软件 3.0, 智能体工程, Vibe Coding, 可验证性

阅读完整文章