发明vibe coding这个词的人说“从没感觉自己这么落后过”⛳️ Karpathy 最近在2026年AI Ascent大会与红杉资本合伙人访谈中里说了一句话「我作为程序员从来没感觉自己这么落后过。」访谈连接https://www.youtube.com/watch?v96jN2OCOfLst11s他是 OpenAI 联创、当年把 Tesla Autopilot 跑通的那个人、vibe coding 这个词的发明者自曝「落后」。他说在2025 年 12 月AI 编程发生了一次断层式跃迁但大部分人对 AI 的认知还停留在 2023 年的 ChatGPT。他原话是「我那几天放假时间多一点就发现最新一代模型给我的代码一段段都是对的。我已经记不清上一次手动改它是什么时候了。然后我就开始 vibe coding 了。」问题不在「程序员」三个字上——问题在【你以为你在用一个更快的工具其实你已经换了一台计算机】。这是任何用 AI 干活的人都要重新认一次的事。⛳️ 先说结论◽️Software 已经进入 3.0 范式——写代码 → 训模型 → 写 prompt三代叠加不是替换◽️锯齿智能是常态——同一个模型能重构十万行代码也会建议你步行 50 米去洗车◽️Vibe coding 不是终点下一站是 Agentic Engineering——前者抬下限后者守上限◽️ 一、你的 prompt 就是新的源代码Karpathy 给了三代划分1.0 是人写代码2.0 是人整理数据集训模型3.0 是人写 prompt模型本身就是可编程的解释器他举的两个例子还挺直观的1️⃣ 现在装 Claude Code官方给你的不是一个 shell 脚本是【一段话】。让你复制粘贴给你的 agentagent 自己读懂、自己适配你的环境、自己装、装失败自己 debug。三年前所有安装文档都是「请打开终端输入这条命令」。2️⃣ Karpathy 自己做了一个 app 叫 MenuGen——拍餐厅菜单给每道菜生成图片。OCR、图片生成、前后端串起来他用 vibe coding 工具花了不少时间部署上线。结果上线没多久他发现直接把菜单照片扔给 Gemini配 Nano Banana一句话「把这些菜的图片画到原菜单上」事就成了。他原话「这个 app 就不应该存在。它在用旧范式干新范式能干的事。」这句话适用于所有人不只是程序员。你写邮件、做周报、整 PPT、查资料、整理客户反馈、出方案——你日常工作的每一条流水线几乎都有一个旧范式的影子都有【为了对抗旧工具的限制才存在的步骤】。3.0 思路就是问一句这条流水线本身还需要存在吗这五步能不能塌缩成一步 大家可以试试每周抽 30 分钟把你最熟的一条工作流出方案也好、发周报也好整个写出来挨个问「这一步是因为以前没有 AI 才存在的吗」是就划掉看剩下的还能不能跑。能跑就是你的 3.0 版本。◽️二、 模型有它真实会的事也有它真实不会的事Karpathy 现在最常举的例子同一个 state-of-the-art 模型——比如能在十万行代码库里找零日漏洞的 Opus——你问它「我离洗车店 50 米应该开车去还是走路去」它会让你走路。虽说有点抽象但事实确实如此。因为今天的模型都是被 RL 训出来的RL 需要可验证的奖励信号。所以可验证的领域数学、代码、逻辑就被反复打磨到峰值不可验证的领域常识、审美、人际语境纯靠预训练那点底子没怎么被打磨。但还有一层 Karpathy 强调的【实验室在乎什么模型就在哪儿强】。GPT-3.5 到 GPT-4 棋艺暴涨很多人以为是规模红利其实是 OpenAI 主动往预训练数据里加了大量国际象棋数据。一个数据决策能力就涌现了。反过来你能推出一句话——模型在某个领域不行不一定是它学不会可能只是没人替它打过那个分。意味着你用 AI 的时候永远要先分清楚两类活儿◽️有客观对错的活儿——写代码、查数据、改语法、做计算、列对照表这种 AI 现在飞快可以放心交◽️需要你判断的活儿——文案的调性、方案的取舍、给谁发什么话、这个人到底想要什么这种它能给你一稿但你必须留最后一道审记住一句话——前者放手后者留审。这条边界一画清楚AI 这条线就走稳了。◽️ 三、抬下限和守上限是两回事去年 Karpathy 提出 vibe coding 时大家把它理解成「不用懂代码也能写程序」。现在他出来澄清——「Vibe coding 是抬下限的所有人都能 vibe code 任何东西太好了。但 Agentic Engineering 是【守上限的】——你不能因为 vibe code 就引入安全漏洞你不能因为能 vibe code 就把质量降到能跑就行。专业软件的标准还在那儿。」他后面还有一句「以前我们说 10x engineer现在做得好的 agentic engineer提效远不止 10 倍。」这一条对所有用 AI 干活的人都有用不管你是写代码、写文案、做运营还是带团队。一边是【AI 让你比以前快十倍】一边是【你的产出标准不能跟着降】。我看到太多人卡在第一步——觉得「AI 能批量出那我就批量发」结果【账号变成 AI 内容垃圾场方案变成模板复读机邮件变成谁都不想读的废话】。下限抬了上限直接塌了。这不是 AI 的锅是你没替自己守住那条线。看完这段访谈我列了一个清单◽️ 不要再用「AI 是不是要替代我」这种问题问自己。Karpathy 这种人都说他「从未如此落后」这事儿不是替不替代是【你跟不跟得上节奏】◽️ 不要把 AI 当 Google 升级版用。它是一台新计算机你给它的应该是任务和上下文不是关键词◽️ 不要相信「我用 AI 就能弯道超车」这种话。你必须有自己的【理解】才能指挥它◽️ 不要把 12 月之前的 AI 经验直接迁移到现在。断层是真实的◽️ 不要忽视【实验室在做什么】。某个领域突然变强往往不是模型自己进化是有人在那儿手动加了数据◽️ 不要让 AI 去做需要你判断的事。审美、调性、洞察这些目前还没法外包整段访谈的金句Karpathy 自己说他从一条 tweet 里看到每隔两天就会想一次「You can outsource your thinking, but you cant outsource your understanding.」你可以外包思考但你无法外包理解。其实之前做内容时我也在想AI 能替你写、替你算、替你跑流程但理解这件事它没法替你做——它能给你结果可是这个结果能不能用、用在哪里、用错了怎么办全得你自己有判断。那怎么锻炼自己的理解力我平时会做的一些点把你的【一条核心工作流】写下来挑出其中可以优化的节点或者能让ai接入的点把你工作里【不让AI输出或者必须要你判断】的那一段标出来找一个你以前用 1.0 思路做的小流程试试用 3.0 思路重做一遍一个 prompt 一段素材看能不能塌缩成一步以前我们说【会用 AI 的人会赢】现在 Karpathy 给的判断是——【会用 AI 的人得先承认自己在落后】。工具会一直迭代模型会一直变强留得住的是你对这台新计算机的理解力。少看点 AI 行业的热闹多坐下来跟你的 agent 实打实跑几个项目。