Andrej Karpathy 分享：深度使用 Claude Code 后，我的编程工作流发生了剧变

Andrej Karpathy 是全球 AI 顶尖专家，OpenAI 创始成员，曾任 Tesla AI 总监领导 Autopilot 研发。他师从李飞飞，创办了斯坦福 CS231n 课程，并在 2024 年成立 Eureka Labs 投身 AI 教育。作为硬核开发者，他擅长将复杂技术深入浅出地拆解，是连接顶层研究与工程实践的灵魂人物。

2025 年末编程范式转移：从“手动挡”到“代理驾驶”

过去几周，我深度使用了 Claude 进行编程，产生了一些零散但深刻的感悟。这种体验促使我开始重新审视作为开发者的工作方式。

1. 工作流的剧变：从 80% 手动到 80% 代理

随着大语言模型（LLM）编程能力的又一次飞跃，我的日常工作流程在短短几周内发生了翻天覆地的变化。一个直观的数据对比是：

• 11月： 80% 手动编码/代码补全 + 20% 与 Agent 协作。
• 12月： 80% Agent 编程 + 20% 人工微调。

我现在几乎是在用英语“编程”——略带羞愧地用文字“指挥”LLM 去生成代码。虽然这多少有点伤及一个老程序员的自尊，但不得不承认，在软件开发中以“大型代码动作”为单位进行操作，其效率实在是太高了。毫不夸张地说，这是我 20 年编程生涯中所经历的最剧烈、最彻底的一次工作流变革。

2. 现实检查：IDE 仍不可或缺，Agent 并非万能

尽管业界对于“Agent 集群”的呼声很高，但我认为目前的一些宣传和期待有些过头了。在实际使用中，我观察到几个关键问题：

• 脆弱性： 模型依然会犯错，而且错误的性质正在从明显的“语法错误”转向更隐蔽、更危险的“逻辑错误”。它们就像一个手脚麻利但做事粗心的大三实习生。
• 自以为是： Agent 常常会在不与你确认的情况下，擅自做出错误的假设。它们不擅长处理混乱的需求，不主动寻求澄清，也不暴露项目中的不一致性，有时表现得过于“讨好”用户。
• 代码膨胀： 它们倾向于把 API 和架构设计得过于复杂。有时候，为了一个简单的功能，Agent 能写出上千行脆弱、绕弯子的代码。直到你反问一句：“不能直接这样写吗？”它才会恍然大悟，把代码缩减到一百行以内。
• 最佳实践建议： 我的建议是，左屏开启终端（比如 Ghostty）来运行 Agent 对话，右屏则打开你的大型 IDE，像鹰一样盯着代码库，随时准备进行人工干预和纠正。

3. 核心优势：坚韧性与杠杆效应

当然，Agent 带来的优势是颠覆性的，主要体现在两个方面：

• 耐力瓶颈的突破： Agent 从不疲倦，也永不沮丧。看着它为了一个棘手的问题反复尝试、调试，折腾半个小时后最终成功，那一刻你会真切地“感受到 AGI”的存在。体力与意志力，不再是创造性工作的瓶颈。
• 从指令到声明： 最关键的心态转变是，不要告诉它“怎么做”，而要给它“成功标准”。这就像一种声明式编程。
  • 可以先写出测试用例，然后让它去通过测试。
  • 可以配合浏览器的 MCP（Model Context Protocol）使用，让它能获取实时信息。
  • 总之，改变你的思维方式，从“过程式指令”转为“声明式目标”，然后让 Agent 自行循环尝试，直到达成目标。

4. 速度与能力的双重扩张

AI 带来的不仅仅是“加速”，更是一种“能力扩张”：

1. 边际成本降低： 以前那些你觉得“不值得花时间写”的小工具或辅助功能，现在随口一提就能实现。
2. 打破技能边界： 以前因为知识储备不足或技术栈不熟而不敢触碰的代码领域（比如某个陌生的框架或库），现在可以轻松地介入和修改。

深度反思：工程师的未来

编程是变有趣了还是枯燥了？

我认为编程变得更有趣了。因为那些填补代码空白的、琐碎的体力活几乎消失了，剩下的几乎全是需要创造性思考和宏观设计的部分。

一个大胆的观点： LLM 编程可能会分化工程师群体——那些纯粹热衷于“写代码”这个过程的人可能会感到失落和无所适从；而那些热衷于“构建产品”和解决问题的人，则将如鱼得水，能力得到极大释放。

技能萎缩与“数字垃圾山”危机

在享受便利的同时，我们也必须警惕随之而来的问题：

• 能力退化： 我发现自己手动编写代码的能力正在明显退化。“生成（写）”和“判别（读、审阅）”调用的是大脑不同的功能模块。我们可以像顶级代码评论员一样审阅和修改代码，但亲手“敲”代码的那种“手感”和肌肉记忆正在变生疏。
• Slopacolypse（垃圾信息末日）： 我有一种预感，2026 年可能会成为数字内容的“崩坏之年”。GitHub、Substack、arXiv 等知识平台将充斥着大量由 AI 生成的、平庸同质的“数字垃圾”。生产力的巨大幻觉将与真实的进步并存，鱼龙混杂。

几个待思考的问题

这场变革也抛给我们一些值得深思的问题：

• 10倍程序员： 顶尖程序员与平庸程序员的产出效率差距，是否会从现在的 10 倍进一步拉大到 100 倍？
• 全才 vs 专才： 既然 LLM 极其擅长微观层面的代码执行，那么具备宏观战略和系统设计能力的通才，是否会凭借此优势彻底碾压只在某一领域精深的专才？
• 未来感： 未来的编程会更像玩《星际争霸》（战略指挥）、玩《异星工厂》（自动化搭建），还是在演奏一种精密的乐器（人机协同）？

总结一下： 2025 年 12 月感觉像是一个分水岭，LLM Agent 的连贯性和逻辑能力似乎跨越了某个临界点。其现有的“智能”已经远超我们为它搭建的工具集成与组织流程。因此，2026 年将是整个行业消化、吸收并重新适应这一新能力的“高能时刻”。关于AI编程的实践与思考，也欢迎来云栈社区的开发者广场一起交流探讨。

原文：https://x.com/karpathy/status/2015883857489522876