Andrej Karpathy 最近在社交平台上发表了一篇长文，深入探讨了他极为关注的一个趋势：高度定制化软件的时代即将来临，其形态会是怎样？
这篇文章引发了广泛讨论，评论区汇集了许多有价值的观点碰撞。将这些内容整合起来，我们得以窥见一幅关于软件未来的全景图。
一、源于一次个人健康实验的洞察
事情始于一个日常需求。Karpathy 发现自己的有氧运动不够规律，于是决定启动一个为期八周的实验，目标是将静息心率从50降至45。方法很清晰：每周保证足够的Zone 2有氧训练，并配合一次高强度间歇。
为了追踪实验进展，他花费了大约一小时，利用AI编程（即现在常说的vibe coding）制作了一个完全定制的仪表盘。他让AI助手逆向解析了Woodway跑步机的云端API，拉取原始数据，进行处理、过滤和调试，最终生成了一个展示实验进度的网页前端。
过程并非一帆风顺。AI混淆了公制和英制单位，日历上的日期与星期也对不上，他需要自己发现这些Bug并指导AI修复。但即便如此，整个项目仅用了一小时。他感慨道，同样的事情放在两年前，大概需要十个小时。
二、App Store模式正在失去其核心价值
Karpathy 从这个小小的个人项目中，提炼出了一个颇为大胆的判断：应用商店这种模式，正变得越来越过时。
他的逻辑很清晰。他所构建的心率实验追踪器，总共只有三百行代码。这类工具永远不应该、也不会作为一个独立的App出现在应用商店里。用户不应该去搜索、下载、学习如何使用一个名为“有氧实验追踪器”的应用，因为AI完全可以在几秒钟内，根据你的具体需求现场生成一个。
回顾我们现在使用手机的方式：打开应用商店，在琳琅满目的预制App中，挑选一个最接近自己需求的，然后忍受它80%你用不到的功能，并接受它缺少20%你真正想要的功能。这种“从一个固定集合中进行选择”的模式，在AI能够即兴创造软件的时代，确实显得格格不入。
这个观点带入日常生活思考，感受更深。我们每个人的需求都高度个性化，但现有软件生态却迫使我们适应标准化的产品。好比买衣服，过去只能从商场货架上挑选成衣，未来或许每个人都能拥有量身定制的软件，且成本趋近于零。
三、整个行业亟待为AI进行重构
Karpathy 提出的第二个核心观点更为深远：整个行业需要将自身重塑为一套“传感器加执行器”的服务体系，并且必须配备对AI友好的接口。
他以自己的跑步机为例。Woodway跑步机本质上是一个传感器，它将物理状态（如跑步距离、心率）转化为数字信息。但问题在于，这台跑步机维护着一个供人操作的前端界面，Karpathy的AI助手不得不去逆向工程其API才能获取数据。他认为这完全本末倒置了。跑步机应该直接提供一个API或命令行接口，以便AI轻松调用。
他对行业现状的发展速度表达了明确的失望。他指出，高达99%的产品和服务至今仍未提供AI原生的命令行接口。99%的产品仍在维护由HTML和CSS编写的文档页面，仿佛用户不会直接将整个页面复制粘贴给AI来协助操作一样。这些产品提供一个网页，上面写着“打开这个链接，点击这里，再点击那里”。Karpathy直言，都2026年了，用户难道是一台需要手动操作的电脑吗？应该让产品自己完成，或者让用户的AI来完成。
这段批评非常直白，但确实点中了一个关键问题。当前绝大多数产品的设计思路仍是“给人用的”，默认用户会亲自点击、浏览、操作。然而，如果未来每个人都拥有一个能替自己“跑腿”的AI助手，那么那些没有为AI提供友好接口的产品就会被轻易绕过。这对产品开发者而言是一个至关重要的信号：你的下一个用户，可能不是人类，而是AI。
四、从一小时到一分钟，差距何在？
Karpathy 表示，虽然对一小时完成项目感到满意，但真正让他兴奋的是思考另一个问题：这件事本应只需要一分钟。
他设想的理想场景是这样的：用户只需说一句“帮我追踪接下来八周的有氧训练”，经过一轮简短的问答确认需求，应用便即刻上线。AI已掌握用户的大量个人背景信息，它会自动获取所需数据，参考相关的技能库，并帮助用户维护所有这类小型应用和自动化流程。
那么，从一小时缩短到一分钟，中间缺失了什么？Karpathy认为至少需要三个条件：第一，AI需具备足够丰富的个人上下文，了解你是谁、你在做什么、你关心什么。第二，各种硬件和服务要提供AI友好的接口，无需逆向工程即可获取数据。第三，需要建立一个技能库生态系统，AI可以搜索和引用他人已实现的类似方案，而非每次都从零开始。
目前，这三个条件无一完全成熟。因此，他的结论是：未来的方向很清晰，但尚未到来。
五、反对的声音：普通人真的需要自己开发App吗？
评论区最火的一条回复来自 LaurieWired，她直接提出了质疑：拜托，你觉得你的奶奶会想自己做一个App吗？更别说维护它了。
她的核心论点是，每个人都忽略了一个关键事实：光是弄清楚自己到底想要什么，就需要消耗大量的心智能量。 App存在的整个前提，建立在一种信任之上——信任设计师和千万用户的集体反馈能帮你定义你需要什么。大多数人根本不想思考这些，他们只想打开一个东西就能用。
这个批评确实有力。Karpathy描述的场景，隐含的前提是用户能清晰知晓并用语言表达自己的需求。但现实中，很多人连自己的需求都说不清楚。优秀产品设计师的价值，恰恰在于他们能替用户想到用户自己未曾想到的东西。
六、Karpathy的回应：软件应对用户完全透明
面对质疑，Karpathy的回应简洁有力：奶奶当然不应该需要知道什么是App，甚至不需要知道有App这回事。她的AI助手应该替她处理这一切。
这个回应将讨论推向了一个更深的层次。他的意思是，定制化软件的未来，并不意味着每个人都要学会编程或与AI对话生成代码。对于技术能力强的人，你可以像Karpathy一样自己“vibe code”一个仪表盘。但对于普通人，AI助手会在后台默默完成所有事情，用户甚至无需知晓背后发生了什么。
这就如同你不需要了解汽车发动机的工作原理就能驾驶一样。未来的AI助手会将“生成定制软件”这件事变成一个完全透明的过程，用户感知到的只是“我的问题被解决了”。
七、未来软件的终极形态：传感器 + 执行器 + AI 胶水
Karpathy 在文章最后总结了他对未来的构想：应用商店这种从一组固定的离散应用中选择的模式，本身就是一个越来越过时的概念。未来是AI原生的传感器和执行器服务，通过大语言模型作为胶水，编排成高度定制化的、临时性的应用。只是这个未来还没到。
这段话中有几个关键词值得拆解：
- “传感器和执行器”：指未来的产品和服务将分为两类。一类负责将现实世界信息数字化（如跑步机记录运动数据），另一类负责在现实世界中执行操作（如智能家居控制灯光）。它们无需华丽的界面，只需提供简洁干净的API。
- “大语言模型作为胶水”：指由AI负责将这些传感器和执行器串联起来，根据用户的具体需求，动态组装成一个完整的解决方案。
- “临时性的应用”：这个概念非常有趣。它意味着未来的许多软件可能是“用完即弃”的。你为一个为期八周的跑步实验生成一个追踪器，实验结束后，这个软件便完成了它的使命。无需更新，无需维护，更不会占据你手机屏幕上的一个图标位置。这种理念与许多开发者对未来开发模式的畅想不谋而合，在开发者广场中，关于敏捷、轻量、快速迭代的讨论也时常出现。
八、实践探索：已有人在构建未来
评论区中，知名开发者 swyx 推荐了一款名为 Dreamer 的产品，称其为他见过最接近“AI原生个人软件应用商店”的东西。Karpathy 回复表示赞同，认为该产品的技术设计和底层架构都经过了深思熟虑，并暗示自己与该项目有所关联。
另一位开发者推荐了开源的轻量级替代方案 NanoClaw。其核心代码约三万六千个token，处理容器隔离、消息队列等底层管道工作。有趣的是，它的功能扩展方式并非向代码库添加新代码，而是以“技能”的形式进行贡献，即教会AI如何修改代码来实现新功能。Karpathy 表示他非常欣赏这种“配置 vs 技能”的设计哲学，认为它很新颖。
这些讨论表明，Karpathy 所描绘的那个未来虽未完全降临，但已有探索者在各个方向进行尝试。从个人软件平台到开源Agent框架，未来的拼图正在一块块被填上。这背后依赖的核心技术，如强大的Transformer模型，为AI理解和生成复杂逻辑提供了基础。
九、对普通人的启示
将Karpathy的观点与评论区的讨论相结合，有几个趋势已经颇为清晰：
- 软件的颗粒度将越来越细。 以前一个App试图满足一百万人的需求，未来可能每个人都拥有上百个只为自己服务的小工具。这些工具可能只存在几天或几周，用完即消失。
- “清晰地表达需求”将变成一种越来越重要的能力。 AI能帮你做很多事，但前提是你能告诉它你想要什么。那些能够想清楚、说明白自身需求的人，将从AI工具中获得远超平均水平的价值。
- 产品与服务的竞争维度将发生改变。 以前竞争焦点在于界面美观度、功能全面性、用户体验流畅度。未来可能更侧重于：你的API是否好用？AI能否轻松调用你的服务？如果不能，用户的AI助手会直接绕过你，去寻找能被调用的替代品。
Karpathy在文中说，这个未来的方向很清楚，只是还没到。但从十小时到一小时，再到追求一分钟的进程，其速度可能比大多数人预期的要快得多。毕竟，两年前需要十小时的事情，现在只需一小时。按照这个加速度发展，那个“说一句话就能生成定制应用”的世界，或许并不遥远。
原文地址：https://x.com/karpathy/status/2024583544157458452
延伸思考
随着AI技术的持续演进，其智能化程度不断提升，使用门槛也在进一步降低。传统的APP形态或许将面临根本性的挑战。
未来，当人人都能轻松定制属于自己的AI Agent时，许多通用型APP可能就不再必要了。
例如，每日阅读新闻，可以定制一个新闻抓取Agent，让它根据我的特定兴趣定时汇总信息，这远比APP里基于算法的泛化推送更精准、高效。我们只需吩咐Agent去执行即可。
许多工具类软件的存在必要性也可能减弱。市面上的工具软件为满足大众需求，功能往往标准化，缺乏个性化。当AI足够智能且易用时，每个人都可以打造一个针对自身工作流定制的Agent，处理记笔记、图片编辑、设计等任务，从而摆脱对通用工具的依赖。
因此，未来一个重要的市场方向，可能就是教育用户如何利用AI进行定制化，或者直接提供定制化Agent的服务。当前及未来一两年，可能正是一个窗口期。
原因在于，现今的AI尚未达到完全自主的智能化，仍需具备一定专业知识的人员进行引导和定制。再过几年，当AI发展得更加智能、功能更全面、使用门槛降至“一句话指令”的程度时，这个专业服务的窗口期或许就会关闭。
所以，相比于投入独立开发传统APP，不如基于具体的痛点场景，开发或提供定制化的Agent解决方案，或许更具前瞻性和发展潜力。对于关注此类技术趋势与实践的开发者，不妨多到云栈社区这样的技术论坛交流心得，碰撞思想。
发表于 18 小时前
|
查看: 2|
回复: 0
