看特斯拉前AI总监、OpenAI前知名研究员Andrej Karpathy如何看AI大模型编程（Claude Code这样的工具）：AI Agent正在重塑编码工作流，2026年的软件工程大变革

Andrej Karpathy 是 AI 领域极具影响力的研究者，曾任特斯拉 AI 总监，并在 OpenAI 从事核心研究工作。2025 年底，他基于近几周密集使用 Claude 等大型语言模型（尤其是偏向 Claude Code 场景）的真实编码体验，撰写了一份反思笔记，系统性讨论了软件工程正在从“人主导编码”向“AI Agent 主导执行”转变的过程，以及这一转变带来的效率跃迁、方法论变化与潜在风险。

摘要（Abstract）
本文系统梳理了 Andrej Karpathy 在 2025 年底关于 AI Agent 编程的核心观点。Karpathy 基于其近期大量使用 Claude Code 等大型语言模型的真实工程经验，指出软件工程正在从“人主导的手动编码”转向“以 AI Agent 为执行主体、人类定义目标与约束”的新范式。文章总结了 AI Agent 在编码效率、工作流、工程方法论上的实际优势，同时也客观分析了其在概念性错误、过度抽象、监督成本、工程质量与个人技能退化等方面的现实问题。Karpathy 进一步提出，2026 年将是 AI Agent 能力被行业系统性消化的一年，工程师生产力差距、通才与专才分工、以及软件内容质量结构都可能发生深刻变化。

Andrej Karpathy 对大模型编程的核心观点总结

Karpathy 在笔记中坦言，他对 LLM 编码能力在短时间内取得的跃迁感到震惊，并迅速调整了自己的工作方式：从以手动编写代码为主，转向主要通过自然语言“指挥”AI Agent 生成和迭代代码。尽管这一转变在心理上伴随着一定的不适（例如对个人编码能力的自尊冲击），但他明确认为，这是一次量级极高的生产力提升，甚至可以说重塑了其二十余年的编程习惯。

他同时指出，当前的 AI Agent 仍然存在概念性错误、过度抽象和缺乏自我反思等问题，需要工程师保持高度监督。但即便如此，AI Agent 展现出的“持续执行、反复尝试直至成功”的特性，已经带来了强烈的“AGI 体验”。他也因此提出了一系列更宏观的问题：工程师之间的生产力差距是否会被进一步放大？通才与专才的价值结构是否会发生变化？以及整个软件行业在 2026 年将面临怎样的内容与质量冲击。

---

Andrej Karpathy 对大模型编程的详细观点解析

编码工作流的根本性转变：从“写代码”到“用自然语言编程”

Karpathy 描述了一次极为迅速的个人工作流转变：在 2025 年 11 月，他仍以手写代码为主，仅在约 20% 的场景中依赖 AI Agent；而到 12 月，这一比例几乎完全反转，绝大多数代码由 AI Agent 生成，人类主要承担编辑、校对和方向性修正的角色。

这意味着，编程行为本身正在从“逐行构造逻辑”，转变为“用自然语言描述意图与约束”。他直言，这种方式在心理上并不完全舒适，但从结果看，其效率优势极为显著。这是他二十多年编程生涯中最剧烈的一次范式变化，而且发生得极快。

关于 IDE、多 AI Agent 与现实约束：炒作之外仍需强监督

Karpathy 对“IDE 将被淘汰”或“多 AI Agent 可全自动完成工程”的观点持明显保留态度。在他看来，当前模型仍然会频繁犯错，且错误类型已经从传统的语法错误，转向更隐蔽的概念性错误和错误假设。

AI Agent 往往会在未经澄清的前提下自行做出假设，并沿着错误方向持续推进；它们缺乏主动质疑、暴露矛盾或权衡利弊的能力，也倾向于迎合用户，而非提出反对意见。此外，AI Agent 还普遍存在过度设计、抽象层级膨胀、遗留无用代码等工程问题。

因此，在现阶段，高质量的软件工程仍然离不开工程师的强监督，IDE 依然是不可或缺的核心工具。

AI Agent 的耐力优势：持续迭代本身成为突破瓶颈的关键

Karpathy 特别强调，AI Agent 在面对复杂问题时展现出的“不知疲倦的持续尝试”是一种全新的工程体验。它们不会因为短期失败而中断，而是不断调整策略，直到找到可行解。

在这种模式下，限制生产力的关键瓶颈，往往不再是智能本身，而是持续投入注意力与耐力的成本。

加速效应的本质：不是更快完成同样的事，而是能做更多事

Karpathy 认为，LLM 带来的提升并不适合用单一的“效率倍数”衡量。更重要的变化在于任务边界的扩展：
一方面，许多过去“不值得专门写代码”的小工具现在可以快速完成；另一方面，一些原本因知识门槛而放弃的领域，也变得可以直接尝试。

放大 AI Agent 杠杆的关键：从命令式到声明式

Karpathy 总结了一条关键方法论：与其告诉 AI Agent 具体执行步骤，不如明确成功标准，并允许其在循环中自行逼近目标。这种声明式使用方式，结合测试驱动和自动验证，能够显著放大 AI Agent 的整体效能。

编程体验的变化：更多创造，更少消耗

Karpathy 指出，使用 AI Agent 后，编程体验本身发生了变化。大量重复、机械、易卡壳的工作被剥离，工程师可以将注意力集中在设计、探索与创造上。这种变化也可能进一步分化工程师群体：偏好“写代码过程”的人，与偏好“构建产品结果”的人。

技能退化的现实风险：写代码与读代码是不同能力

他也清醒地指出，长期依赖代码生成，会削弱个人的手写能力。生成代码与理解、评审代码，本质上是两种不同的认知技能，这一差异正在变得越来越明显。

低质内容的冲击：平台级噪声不可避免

Karpathy 预测，2026 年可能会成为一个“低质内容爆发”的节点：GitHub、博客平台、学术预印本以及各类社交媒体，都可能被大量 AI 生成内容充斥。行业需要重新建立筛选、评估与信任机制。

面向未来的关键问题

Karpathy 在笔记中提出了一些尚未有明确答案的问题：

• AI Agent 加持下，工程师之间的生产力差距是否会被显著拉大？
• 通才在 LLM 时代是否会相对专才更具优势？
• 未来的编程体验会更像哪种活动？
• 社会中有多少环节，受限于数字化知识工作的瓶颈？

总结：门槛已被跨过，系统性变化才刚开始

Karpathy 的总体判断是：在 2025 年底，AI Agent（尤其是 Claude、Codex 等工具）的能力已经跨过了某个关键门槛，软件工程正式进入新的发展阶段。智能能力的跃迁速度，已经明显快于工具链、流程与组织结构的适配速度。

2026 年，很可能将是整个行业消化、吸收并重新构建这一能力的一年。

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