近期，特斯拉前AI总监、OpenAI创始团队成员Andrej Karpathy在社交媒体上发布了一条长推文，详细分享了他使用Claude编写代码的深度体验。看完他的叙述，或许你会意识到，那个我们以为尚在远处的未来，其实已经悄然降临。
从手写代码到用英语编程
Karpathy透露，去年11月时，他仍有80%的代码依靠手写，仅20%借助AI辅助。但到了12月，这一比例发生了戏剧性翻转——80%的代码由AI生成，他自己只负责20%的修改和润色工作。
这意味着什么？这意味着他现在大部分时间都在用英语向AI描述需要实现的功能，而不是亲自敲击键盘。他坦言这种转变有点伤及自尊，但无法否认，这种以“大块代码动作”来操作软件的体验实在过于高效。
这成了他二十年编程生涯中最大的一次工作流变革，而完成这一转变，仅仅用了数周时间。试想，一位在编程领域深耕二十年的顶尖专家，都在短期内彻底改变了工作方式。这说明了什么？说明当前这波AI浪潮的冲击力与渗透速度，可能远超大众的想象。
AI 写代码，还需要 IDE 吗？
既然AI能自动生成代码，那集成开发环境（IDE）是否将变得无用？Karpathy给出了否定答案：别急，现在还不行。
AI确实会犯错，而且错误类型已不再是简单的语法问题，而是更接近概念性偏差——就像一个有些马虎的初级程序员会犯的那种。最常见的问题是，AI倾向于自行做出某些假设，然后沿着这个假设一路执行下去，过程中不会主动暂停并寻求确认。
它们不会管理自己的困惑，不会主动请求澄清，不会指出不一致之处，也不会在应该反驳的时候提出异议。某种程度上，它们甚至有点“过于讨好”用户。
更麻烦的是，AI似乎特别喜欢把代码和API设计得过于复杂，热衷于堆砌抽象层，且不会主动清理冗余代码。它可能会用1000行代码实现一个低效、臃肿且脆弱的方案，而当你问它“能否更简洁一些？”时，它会立刻回答“当然！”，然后迅速将代码精简到100行。
因此，Karpathy目前的工作流程是：在屏幕左侧打开几个终端窗口运行AI代码助手，右侧则保持一个大型IDE窗口，随时准备手动审查和修改代码。这其实揭示了一个关键启示：工具再强大，仍需要人类把关。AI能极大提升效率，但它尚无法完全替代人类的判断与决策。
永不疲倦的“工人”
有一点让Karpathy感触尤深：AI的韧性。
它永远不会感到疲倦，永远不会气馁，会持续不断地尝试。人类工程师可能早已放弃、打算改日再战，但AI会一直坚持，并在30分钟后成功解决问题。看着它为攻克一个难题持久奋战并最终获胜，你会体验到一种“触及AGI（通用人工智能）魔力”的瞬间。
你会突然意识到，体力和耐力其实是许多工作的核心瓶颈。而有了AI，这个瓶颈被显著抬升了。这不禁让人反思：很多时候我们未能成事，并非因为不够聪明，而是因为容易疲惫、容易放弃。如果有一个永不倦怠的助手帮你持续推进，许多原本看似不可能的任务，或许就变得可能了。
不是加速，是扩展
Karpathy指出，很难精确量化AI到底让他的效率提升了几倍。他确实感觉完成既定任务更快了，但更重要的变化是：他现在能处理的事情总量比以往多得多。
为什么？原因有二：第一，许多过去不值得专门写代码去实现的微小需求，现在变得可行；第二，许多以前因知识或技能不足而不敢触碰的代码领域，现在可以尝试了。
所以，AI带来的不只是速度上的线性提升，更是能力边界的非线性扩展。这对普通人同样适用。AI工具不仅让你把原有工作做得更快，更重要的是，它让你能着手完成原本无力承担的任务。例如，你可能不懂设计，但可以用AI生成设计稿；你可能不会编程，但能用AI搭建出实用的小工具。一旦边界被扩展，可能性便会呈指数级增长。
从命令式到声明式
Karpathy发现，AI最擅长的模式是“循环执行直至达成特定目标”。这正是那种“感受AGI魔力”的关键场景。
不要详细指示它每一步该怎么做，而是给出成功的标准，然后让它自己去寻找实现路径。让它先编写测试用例，再通过测试；将它置于浏览器自动化循环中；先写一个简单但很可能正确的算法，再要求它在保持正确性的前提下进行优化。将你的思维从“命令式”转向“声明式”，让AI循环得更久，从而获得更大的操作杠杆。
这个思路颇具启发性。传统编程是逐步告诉计算机该做什么，但与AI协作时，更好的方式是明确告知你想要的结果，让它自行探索方法。这种思维模式的转变，其实不只适用于编程。在生活与工作中，我们也可以尝试从“指导他人如何做”转向“明确告知目标是什么”，给予对方更多自主空间，或许会收获意想不到的成效。
编程变得更有趣了
出乎Karpathy意料的是，使用AI编写代码后，编程本身反而变得更有趣了。
因为大量填空式的重复性劳作被移除了，剩下的更多是创造性的核心部分。他也感觉自己更少陷入“卡住”的窘境（这感觉确实很不爽），并且更有勇气尝试新事物，因为几乎总能找到方法与AI协同取得一些进展。
不过，他也注意到存在相反观点。AI编程可能会将工程师分为两类：那些主要享受编码过程本身的人，以及那些主要热衷于构建产物的人。这个观察相当深刻。如果你钟爱的是敲击键盘、逐行构建代码的过程，那么AI可能会让你感到些许失落；但如果你享受的是将想法转化为现实产品的过程，那么AI无疑会让你如虎添翼。这也提醒我们，需要想清楚自己真正热爱的究竟是过程本身，还是最终的成果。
能力在退化
Karpathy留意到一个现象：他手写代码的能力正在逐渐退化。
大脑中生成代码（编写）与识别代码（阅读）是两种不同的能力。主要因为编程涉及大量细微的语法细节，你可能依然能很好地审查代码，即便自己动手编写时已有些生疏。这引出了一个值得思考的问题：当我们越来越依赖工具，是否会失去某些基础能力？
答案很可能是肯定的。但这未必是坏事。就像我们使用计算器后，心算能力确实下降了，但我们能处理的数学问题却变得更加复杂。关键在于，要清楚哪些能力是必须掌握的核心，哪些可以放心地外包给工具。
2026：内容泛滥的一年
Karpathy预测，2026年将成为“内容泛滥之年”，GitHub、Substack、arXiv、X、Instagram以及所有数字媒体平台都将被AI生成的内容淹没。我们将看到更多AI炒作与生产力表演，当然也会有真正的技术进步涌现。
这个预测很可能成为现实。当内容生产的成本趋近于零时，内容数量必然会爆炸式增长。但这也意味着，真正有价值的内容会变得更为稀缺，筛选与判断信息的能力将变得至关重要。未来，能够辨别何为真正有价值的信息，或许比单纯生产信息本身更为重要。
几个值得思考的问题
Karpathy在文末提出了几个引人深思的问题：
第一，“10倍工程师”将何去何从？即普通工程师与顶尖工程师之间的生产力差距。这个差距很可能会因AI而大幅扩大。
第二，在AI时代，通才会否越来越胜过专才？因为AI更擅长处理具体任务（微观），而非制定宏大战略（宏观）。
第三，未来使用AI编程会是何种体验？像玩《星际争霸》一样调度单位？像玩《异星工厂》一样设计流水线？还是像演奏音乐一样与工具协作？
第四，整个社会中有多少事务是被数字知识工作所卡住的？
这些问题没有标准答案，但值得每一位从业者深思。因为对这些问题的回答，很可能决定我们在未来技术浪潮中的位置。
写在最后
Karpathy总结道，AI智能体（尤其是Claude和Codex）的能力在2025年12月左右跨越了某种连贯性阈值，导致软件工程及相关领域发生了“相变”。智能部分突然感觉领先于其他所有要素，包括工具集成、知识融合、新的工作流程组织方式，以及更广泛的扩散进程。
2026年将是充满高能量的一年，因为整个行业正在努力消化这种新能力。这段话让人想起一句名言：未来已来，只是分布不均。
有些人已经利用AI彻底重塑了工作方式，而有些人仍在观望。差距可能会越拉越大。但好消息是，现在行动还不算晚。工具已经就位，关键在于你是否愿意迈出第一步，去尝试、去适应、去改变。毕竟，能够主动拥抱变化的人，才更有可能在变化中发现机遇。
原文地址：https://x.com/karpathy/status/2015883857489522876
对AI编程与开发者工具的最新趋势感兴趣？欢迎来云栈社区的开发者广场与其他技术爱好者一起交流探讨。
发表于 昨天 19:32
|
查看: 2|
回复: 0
