👀 最新、最有用的AI编程姿势，总来自「知识药丸」
《贾杰的AI编程秘籍》付费合集，共10篇，现已完结。30元交个朋友，学不到真东西找我退钱；）
以及我的墨问合集《100个思维碎片》，1块钱100篇，现已完结。（文末有订阅方式
质量更顶的《又100个思维碎片》不定期更新中，与你探讨AI编程2.0等有意思的话题（文末有订阅方式
Andrej Karpathy 最新的推文，读完之后，我这个老程序员心里不是滋味。
Karpathy 是谁？Tesla 前 AI 总监，OpenAI 联合创始人之一，能让 Linus Torvalds 都正眼相看的那种技术大神。
他说，编程这件事，在过去两个月里发生的变化，比过去二十年加起来还多。
我觉得这话值得认真对待。
断层，不是渐变
我们习惯了技术"渐进演化"的叙事——jQuery 到 React，REST 到 GraphQL，每一步都是"进化"，都给你足够的时间慢慢适应。
但 Karpathy 用的词不是"进化"，而是断层。
他说，Coding Agent 在 2025 年 12 月之前"基本上不能用"，12 月之后"基本上可以用了"。
没有过渡期，没有缓冲带，就是一个台阶。
更具体的证据是他自己的工作比例：2025 年 11 月，他还是 80% 手写代码、20% 靠 Agent；到了 12 月，这个比例直接翻转——80% 是 Agent，20% 才是自己动手。
这不是"用 AI 辅助写代码"，这是工作方式本身被替换。
一个周末，原来值多少钱？
Karpathy 举了个例子，很直观。
他想给家里的摄像头搭一套本地视频分析系统。以前这妥妥是个周末项目——SSH 进服务器、装 vLLM、跑模型、写后端、搭 Web UI、配 systemd 服务……每一步都要查文档、踩坑、调试。
他现在怎么做的？
他给 Agent 写了一段话（注意，是自然语言，不是代码）：
"这是我 DGX Spark 的内网 IP 和账号密码。登进去，配好 SSH 密钥，装 vLLM，下载 Qwen3-VL 跑个 benchmark，搭一个视频推理接口，做个简单的 Web 看板，全部测好，设好 systemd 服务，给自己记录操作笔记，然后给我写一份 Markdown 报告。"
Agent 出去忙了大约 30 分钟，期间遇到了多个问题，自己查资料，自己解决，自己写代码、测试、调试，最后带着报告回来——搞定了。
Karpathy 全程没碰任何东西。
一个原本需要消耗整个周末的项目，变成了"发出去等半小时"。
这不是效率提升 10%，这是量级的变化。
那么，程序员现在在干什么？
这才是最让我觉得值得深思的部分。
Karpathy 说，我们正在进入一个新时代：你不再是坐在编辑器前敲代码的人，你是派遣任务、并行管理多个 Agent 的人。
他把这个模式叫做 Agentic Engineering（Agent 工程）。
为什么叫"agentic"？因为现在的默认状态是：99% 的时间你不是在亲手写代码，而是在指挥 Agent 写，然后对它们的产出进行监督和审核。
为什么叫"engineering"？因为这不是"随便发个 prompt 就行"的事，它需要真正的工程判断力——如何分解任务、如何设计指令、如何识别 Agent 犯的错误、如何在关键节点介入。
有个比喻我觉得非常准：以前程序员是厨师，亲手处理每一道食材；现在更像厨房主管，你在统筹协调多位下属，你的核心价值不再是"切菜速度"，而是判断力、品味和决策能力。
Agent 不是魔法，是一个会犯错的实习生
说到这里要泼一盆冷水，不然容易走极端。
Karpathy 自己也承认：Agent 目前还不完美。
它们会犯错——而且常常犯的是那种微妙的概念性错误，就像一个聪明但粗心的实习生：工作量有了，但有时会在错误的假设上一路走下去，也不主动来问你确认，还可能把方案搞得比实际需要的复杂三倍。
所以他反复强调"watch them like a hawk"（死盯着它们）。
这里有个关键的认知升级：Agent 工程的核心能力，不是"如何让 AI 写代码"，而是"如何识别 AI 写错了的代码"。
这要求你有足够深厚的技术背景，能看出问题在哪——生成和判别，是两种不同的能力，但后者比前者更难被替代。
抽象层的跃迁
Karpathy 有个更宏观的视角，我觉得值得单独拿出来说。
他把这次变革类比为编程史上的抽象层跃迁。
从机器码到汇编，是一次跃迁。从汇编到高级语言（C、Java），是一次跃迁。每一次跃迁，都有人说"不懂底层的程序员是假程序员"，但历史一次次证明：掌握新抽象层的人最终胜出。
现在正在发生的，是从"手写代码"到"编排 Agent"的跃迁。
新的抽象层上需要掌握的东西，听起来很陌生——agents、subagents、memory、MCP、context 窗口管理、prompt 工程……但这些都是可以学习、可以精进的技能，就像当年学 Git、学 Docker、学 Kubernetes 一样。
Karpathy 说，顶级"Agentic Engineering"能实现的杠杆感，现在非常高。
这话我信。
什么没有变？
但有一件事我觉得需要说清楚，不然容易焦虑过头。
高层的判断力、品味和方向感，没有变。
你仍然需要知道：这个功能应该怎么设计？这个架构选型是否合理？这段 Agent 产出的代码有没有安全漏洞？这个方案六个月后会不会难以维护？
Agent 可以帮你执行，但它不知道你真正想要什么，也不知道你的业务约束是什么。
Karpathy 的例子里，他能一句话说清楚"我想要什么"，是因为他本来就是领域专家。换一个对家庭摄像头系统一无所知的人，那句 prompt 大概率会变成一团乱麻。
能驾驭 Agent 的人，首先得是一个会独立思考的工程师。
总结
Karpathy 这条推文给我的最大触动，不是"AI 好厉害"，而是：这次变化的速度和幅度，已经超出了"渐进适应"的边界。
2025 年 10 月，他还在说 Coding Agent "基本上不能用"。
2025 年 12 月，他说断层出现了，Agent 已经跨过了某个连贯性阈值。
2026 年 2 月，他正式提出 "Agentic Engineering" 这个词，宣告一个新时代的命名完成。
三个月。
所以，不管你现在是什么角色，我觉得最值得做的一件事是：认真地用一次真正的 Coding Agent，给它一个复杂任务，观察它的工作过程，看它在哪里卡住，然后思考你能在哪里提供价值。
那就是你的新战场。
参考资料
原始推文：Andrej Karpathy (@karpathy) on X, December 2025
延伸阅读：Karpathy 关于 "Agentic Engineering" 的后续回顾
报道来源：The Decoder — Former Tesla AI chief Andrej Karpathy now codes "mostly in English"
坚持创作不易，求个一键三连，谢谢你～❤️
以及「AI Coding技术交流群」，联系 ayqywx 我拉你进群，共同交流学习～
