Andrej Karpathy:从 Vibe Coding 到 Agentic 工程

转折前是"还算有帮助"而非"惊艳"。过去一年 Karpathy 一直在用 agentic 工具（参照物是"类似 Alpha Code 那一类"——能自主写代码的 AI），原话："它在生成一段段代码（chunks of code）这件事上已经做得很好了。有时候会出错，你得自己去改，但总体还是挺有帮助的。"——一个"能用但要盯着"的阶段。→ 详细

2025 年 12 月是"明确的转折点（clear point）"，触发条件很具体：他在休假、时间更多。体感是层层递进的——"用最新这些模型，生成出来的那一段段代码就是没问题。然后我接着让它生成更多，结果还是没问题。然后我想不起来上一次去纠正它是什么时候了。再然后，我就越来越信任这套系统。然后我就开始 vibe coding 了。"注意这条因果链：质量稳→敢加需求→不用改→信任度上升→彻底放手。他特意在 Twitter/X 上反复强调"你得重新看一眼"："很多人去年体验的 AI 更多像 ChatGPT 那类，但你真的需要再重新看一眼，而且得从十二月这个时间点去看，因为情况已经发生了根本性的变化（changed fundamentally），尤其在这种 agentic 的、连贯的工作流（agentic coherent workflow）上，它真的开始能跑通了。"结果是一头扎进"无穷无尽的副项目（infinity side project）"兔子洞——"我的副项目文件夹现在塞得满满的，里面全是各种乱七八糟的东西，我就是一直在写代码。"→ 详细

编程范式三跃迁：1.0 人写显式代码（每条规则一行行写清）；2.0 用数据"训"出权重——"我其实通过创建数据集、训练神经网络来'编程'，编程某种程度上变成在组织安排数据集，可能再加上一些优化目标（objectives）和神经网络架构"；3.0 LLM 本身变成一台"可编程的计算机"——"如果你在足够庞大的一组任务上训练这些 LLM，本质上是隐式地（implicitly）训练，因为你在整个互联网上训练、不得不同时处理（multitask）所有那些任务，这些模型某种意义上就变成了一种可编程的计算机。"于是"你的编程现在变成了写 prompt，而 context window 里的内容就是你操纵那个'解释器'（interpreter）的杠杆，这个解释器就是 LLM"。把 LLM 类比成 CPU/解释器、prompt 类比成程序，是理解整场对话的总钥匙。→ 详细

Open Claw 安装：按 1.0 直觉装软件该是 bash/shell 脚本，但"为适配很多平台、很多电脑，这些脚本通常越来越臃肿、极其复杂"；3.0 的方式是"把一大段文本复制粘贴给你的 agent……它就会帮你装好"——"你不必精确写清每个细节，agent 有它自己的智能，去看你的环境、执行一系列智能操作让事情跑起来，并在循环中自己调试问题（debugs in the loop）"。他一句点破新范式："要复制粘贴给你 agent 的那段文本是什么？这才是现在的编程范式。"MenuGen（更极端）：痛点是"去餐厅菜单没图片，大概 30% 甚至 50% 的菜我不知道是什么"；旧范式（他真写的 app）= 上传照片→跑 Vercel→OCR 出菜名→图像生成器配图→重渲染整份菜单；3.0 版本 = "拍下照片交给 Gemini，说'用 Nano Banana 把这些叠加到菜单上'，它就返回一张图、把不同菜品真的渲染进了像素里（into the pixels）"。结论很重："我整个 MenuGen 都是多余的（spurious），那个 app 根本就不该存在。"3.0 的形态"要原始得多（a lot more raw）——神经网络承担越来越多工作，你的 prompt/context 就是那张图片，输出也是图片，中间根本不需要 app"。更普遍的洞见：这不是"编程变快"，是"信息处理（general information processing）整体可自动化"——以 LLM 知识库 项目为例，"让 LLM 为你的组织或个人创建 wiki，这甚至不是一个程序，是以前根本不可能存在的东西"，可以"拿这些文档用另一种方式重新'编译'（recompile）、重排，创造全新的东西"。他强调真正兴奋的不是"现有东西变快"而是"以前根本不可能的全新事物"，"我甚至觉得那些更让人兴奋"。主持人追问引出下一段：2026 年的"相当物"会是什么（像九十年代做网站、2010 年代做 app、上一个云时代做 SaaS）——"有什么东西事后看会显得理所当然、但今天基本还没人去做（mostly unbuilt today）？"→ 详细

把 MenuGen 推到底是"完全由神经构成的计算机"——"喂原始视频/音频进一个基本上是神经网络的东西，用 diffusion（扩散模型）渲染出一个 UI，这个 UI 为那个特定时刻而独一无二定制（unique for that moment）"，界面不再写死、由模型实时"画"出来。历史类比："计算早期人们对'计算机会像计算器还是像神经网络'有些困惑，五十、六十年代走哪条路并不明显，最后走上了计算器那条路、构建出经典计算（classical computing），神经网络现在是虚拟化地跑在现有计算机之上的。"他预测这会"反转"——"神经网络变成'宿主进程'（host process），CPU 变成某种'协处理器'（co-processor）"，依据是台上那张图"智能计算正向神经网络转移，将成为占主导地位的算力支出（dominant spend of flops）"。终局："神经网络承担大部分繁重工作，把工具调用（tool use）当作历史遗留的附属物（historical appendage），只用来处理某些确定性任务。"他诚实补一句：这是"极其陌生（extremely foreign）"的终点，"我们大概会一点一点走到那里"，但"那个演进过程还有待观察（TBD）"。→ 详细

• 一句话总纲："传统的计算机可以轻松自动化那些你能用代码来明确指定（specify in code）的东西。而最近这一轮的 LLM，某种意义上可以轻松自动化那些你能去验证（verify）的东西。"——上一代自动化的门槛是"你能不能把规则写死"，这一代是"你能不能判断答案对不对"。→ 详细
• 机制：前沿实验室训 LLM 时"这些是巨大的强化学习环境（giant reinforcement learning environments），所以模型会得到一个验证型的奖励（verification rewards）"。RL（强化学习）通俗讲=让模型反复试、做对给奖励做错不给，而"做对没做对"必须能被自动判定，所以"可验证"是前提。→ 详细
• 后果：模型成了"参差不齐的实体（jagged entities）"——"在可验证的领域（数学、代码及相邻领域）能力达到峰值，在不属于那个空间的领域能力停滞不前，边缘地带显得比较粗糙、毛糙（rougher on the edges）"。jagged（像锯齿）是全场关键意象：不是整体均匀地强或弱，而是有的尖峰冲天、有的塌陷见底。→ 详细
• jaggedness 的成因是双重的：既看训练方式，也看"实验室在意什么 + 恰好喂了什么数据"——"有些东西在经济上价值明显更高，最后就被构建出更多训练环境……代码就是一个很好的例子"；反面是"可能还有大量可验证的环境他们能想到、但恰好没纳入，因为让模型具备那些能力其实没那么有用（not that useful）"。→ 详细
• 最有说服力的实证·国际象棋："从 GPT-3.5 到 GPT-4 下棋能力提升很多，很多人以为是整体进步的一部分，但实际上——这是公开信息，我在网上看到的——大量国际象棋数据进入了预训练集（pre-training set）。仅仅因为它在数据分布里，提升幅度就比默认大得多。所以 OpenAI 有个人决定加入这部分数据，于是你就得到一项能力、它的峰值被显著抬高了。"——一项能力的强弱可能只取决于"有没有人把对应数据塞进训练集"这一偶然决定。结论："我们某种程度上是受实验室所做之事的摆布的（at the mercy of whatever the labs are doing）。"→ 详细
• "电路（circuits）"的比方："它没有说明书（no manual），在某些场景能用、另一些不行……如果你正好处在那些参与了 RL 训练的'电路'里，你就如鱼得水（you fly）；处在数据分布之外的电路里，你就会很吃力。你得搞清楚在你的应用里自己到底处在哪些电路上，如果不在，那你就真得考虑做微调（fine-tuning）、做一些自己的工作了，因为它不一定能开箱即用。"→ 详细

• 旧例子·strawberry 数字母："大家最爱举的例子是 strawberry 这个词里有几个字母，模型曾经在这个问题上出尽洋相、答错"——他补一句"模型现在已经把这个补上了（patch this）"，即这个具体洞已被修补。→ 详细
• 新例子·洗车场距离："我想去洗车店洗车、它在 50 米外，我应该开车还是走路？今天最先进的模型会告诉你走路去，因为太近了。"——这里他是把它当"答得对、但下一句反差荒诞"的引子。→ 详细
• 荒诞对比（金句级）："怎么可能最先进的 Opus 4.7 一边能重构一个十万行（100,000 line）的代码库、或者找出 zero-day 漏洞（尚未被发现/修补的安全漏洞），结果却告诉我走路去这家洗车店？这太离谱了（This is insane）。"——同一个模型，一头是顶尖工程师级能力、另一头是常识级的"过度热心"，这就是 jagged 最直观的画面。→ 详细
• 给使用者的两条警示："无论模型多大程度上仍参差不齐，这都是一个信号：第一，也许有什么地方稍微不太对劲（something slightly off）；或者第二，你确实需要稍微留在循环里（be in the loop），把它们当作工具来对待，跟它们正在做的事保持联系。"→ 详细

• 主持人的担忧：你想解决一个"可解的、属于可验证范畴"的问题，但"那些实验室已经真的、真的开始进入逃逸速度（escape velocity）了，它们最显而易见的方向就是数学、编程之类"——实验室会不会把这些领域吃干抹净、创业者无路可走？→ 详细
• Karpathy 的反驳："可验证性在当前范式下让一件事变得可解（tractable），因为你可以朝它砸进海量的 RL。换个角度看，即便实验室没有直接关注它，这一点依然成立。所以如果你处在一个可验证的场景里、能创建出这些 RL 环境或样例，那其实就为你自己做微调打下了基础。"→ 详细
• 关键判断：微调是"就是管用、能拉杠杆"的成熟技术——"这从根本上是一种'就是管用'的技术（technology that just works）。你可以拉动一个杠杆（pull a lever）：如果你有海量、多样化的 RL 环境数据集，就可以用你最喜欢的微调框架拉动那个杠杆，得到一个其实效果相当不错的东西。"通俗讲：只要你能在自己的细分领域造出"会判分的练习题"，就能把通用模型调成你这行的专家，技术上不是难题。他卖了个关子："有一个领域我觉得非常——抱歉，我不想直接把答案说出来，但这方面确实有一些例子"，暗示存在某个"高价值但还没被主流训练覆盖"的可验证领域、当众留白。→ 详细
• 反过来：什么仍只是"远看可自动化"？结论是"一切"——"几乎所有东西都可以被做成可验证的，只是有些比另一些容易。即便是写作，你也可以想象搞一个'LLM 评审委员会'（council of LLM judges），大概也能得到还算合理的结果。"被追问到底，他一字收尾："一切（Everything）。"主持人接梗"一切都是可自动化的。太精彩了。"→ 详细

• vibe coding 抬高"下限"："vibe coding 是关于为每个人抬高'下限'——抬高他们在软件上能做到的事情。下限抬升了，每个人都能 vibe code 出任何东西，这很了不起、很不可思议（amazing, incredible）。"——不会写代码的人现在也能做出能跑的软件，这是地板被抬高了。→ 详细
• agentic engineering 守住"质量底线"："agentic engineering 是关于守住'质量标准'——守住此前专业软件所具备的那个质量底线。你不能因为 vibe coding 就引入漏洞（vulnerabilities），你仍要像以前一样对你的软件负责，但你能不能做得更快？剧透：你能，但你要怎么正确地做到？"他解释为什么叫它"工程学科"——"你有这些 agent，它们是参差不齐、带尖刺的实体（spiky entities），有点容易犯错、有点随机，但极其强大。问题就是：你要怎么协调它们，让你跑得更快，同时不牺牲你的质量标准？"一句话抓住内核：在不降质的前提下协调一群"强大但易错且随机"的 agent 提速。→ 详细
• 能力上限极高，"10x"被严重低估："人们以前常说'10 倍工程师'（10x engineer），我觉得现在这个倍数被放大了很多。10 倍并不是你能获得的加速幅度。在我现在看来，那些非常擅长这件事的人，达到的峰值要远远超过 10 倍。"→ 详细
• 一个引子·Sam Altman 的代际类比：主持人转述去年 Altman 在同场说的——"如果你三十多岁，你会把它当成 Google 搜索的替代品；但如果你是青少年，ChatGPT 就是你通往互联网的入口。"借此问：今天编程里，"用得平庸"和"完全 AI 原生（fully AI native）"的两个人差别在哪？→ 详细
• Karpathy 的回答其实很朴素："无非就是努力把手头可用的工具用到极致，把它们的所有功能都利用起来，并且在自己的那套环境配置（setup）上投入精力。就跟以前一样，所有工程师都习惯于把自己用的工具用到极致，不管它是 Vim 还是 VS Code，还是现在的 Claude Code、Codex 之类。"——"AI 原生"不神秘，就是肯花功夫吃透工具、打磨工作流。→ 详细

• 诊断现状："大多数人其实还没有为'agentic engineer 能力'重构他们的招聘流程。比如你还在出谜题让人解（giving out puzzles to solve），那这还是旧范式。"→ 详细
• 新招聘范式很具体："招聘得变成这样：给我一个非常大的项目，看一个人怎么去实现它。比如我们来写一个'给 agent 用的 Twitter 克隆'（a Twitter clone for agents），把它做得非常好、非常安全，再让一些 agent 在上面模拟一些活动。然后我会用 10 个 Codex 5.4 x high 去尝试攻破你部署的这个网站，它们会试图把它攻破，而它们应该攻不破（should not be able to break it）。"——一举两得：既看候选人能不能驾驭 agent 把大项目做出来，又用"10 个高配 agent 来攻击"当作自动化的安全验收。"看人在那种场景下、构建一些更大的项目、并把工具用起来，这大概就是我大部分情况下会去看的东西。"→ 详细

• 现在的答案：人仍要负责审美、判断、品味、监督——"agent 是那种'目录式'的内部实体……很了不起的是，你基本上仍然得负责审美（aesthetics）、判断（judgment）、品味（taste），再加上一点监督（oversight）。"→ 详细
• 最能体现 agent 古怪的例子·MenuGen 的资金关联 bug（完整版）："你用 Google 账号注册，但用 Stripe 账号购买额度，这两个账号都有邮箱。我的 agent 实际上会——当你购买额度时，用 Stripe 那边的邮箱去把这笔额度关联到 Google 邮箱上。也就是说并没有一个持久的用户 ID（persistent user ID）来标识用户。它试图用邮箱地址做匹配，但你的 Stripe 和 Google 完全可以用不同邮箱，于是它基本没法把这笔钱关联上。"他的吐槽："你为什么要用邮箱地址去交叉关联资金呢？邮箱可以是任意的（arbitrary）……这种做法太奇怪了。"——这正是"人必须把关设计"的活教材：agent 能写出能跑的代码，却会在"该用唯一用户 ID 绑账"这种架构常识上犯致命错误。→ 详细
• 人必须掌控 spec/计划，他甚至不太喜欢 plan mode："人必须负责掌控这个 spec、这个计划——其实我甚至不太喜欢 plan mode（计划模式）。它显然很有用，但我觉得这里有一个更普遍的东西：你必须和你的 agent 一起协作，去设计一份非常详细的 spec，也许它基本上就是文档（basically the docs），然后让 agent 去把它实现出来。你负责监督和那些顶层的分类（top-level categories），而 agent 在底层做大量的活。"→ 详细
• API 细节交给"实习生"，但底层原理仍要懂：以张量（tensor）操作为例——"PyTorch、NumPy、pandas 之间有海量细节……我已经忘了是 keep dims 还是 keep dim、是 dim 还是 axis、是 reshape 还是 permute 还是 transpose，因为你不需要记了。这种细节交给'实习生'（intern，指 agent）去处理，因为它们记忆力非常好（very good recall）。"但他划了条不能越过的线："你仍然需要知道底层有一个张量、有一个底层的视图（view），你可以创建同一块存储（storage）的不同视图、也可以让它们用不同存储——那样会效率更低。我们仍需理解这些在做什么、理解基本原理，这样你才不会不必要地把内存搬来搬去。"一句话收束人机分工："你负责的是品味、工程、设计——确保它说得通，确保你提出的是正确的要求（asking for the right things），确保你说清楚'好，这些必须是唯一的用户 ID，我们要把所有东西都绑在它上面'。你做的是一部分设计和开发，而工程师们（agent）做的是'填空'（fill in the blanks）。"→ 详细

主持人追问：品味和判断会不会随时间变得没那么重要，还是上限会一直抬高？Karpathy 的诊断——现在审美差，是因为它"不在 RL 里"："我是希望它会变好的。它现在之所以没变好，原因还是同一个：它不是 RL 的一部分。大概没有什么'审美'的代价或者奖励（no aesthetics cost or reward），或者说还不够好。"（接第五节："可验证性"——审美难以被自动判分，所以训练里没法给奖励、这块就弱。）他看 agent 代码"心脏病发作"："有时候我会有点心脏病发作的感觉（a little bit of a heart attack），因为它并不总是超级惊艳的代码，非常臃肿（very bloated）、有大量复制粘贴、还有一些笨拙脆弱的抽象（awkward abstractions that are brittle），能用，但真的很难看（really gross）。" micro GPT 项目·"像拔牙"：那个项目里他想把 LLM 训练简化到尽可能简单，"模型很讨厌这件事（hate this），它们做不到。我一直试图 prompt 它再简化一点，它就是做不到。你会感觉自己处在 RL 的电路之外（outside of the RL circuits）……很明显你是在'拔牙'（pulling teeth）。"但他强调这不是天花板："没有什么根本性的东西在阻止它变好。几乎就是实验室还没去做这件事而已。"→ 详细

框架来源：Karpathy 写过一篇"很发人深省"的文章，核心是"我们不是在构建动物（building animals），我们是在召唤幽灵（summoning ghosts）"——这些是参差不齐形态的智能，"由数据和奖励函数（reward functions）塑造，而不是由内在动机、乐趣、好奇心或掌控感（intrinsic motivation, fun, curiosity, empowerment）塑造，而后面这些某种程度上是通过进化产生的"。为什么这框架重要："如果你对它们'是什么、不是什么'有一个好的模型，那你在使用它们时就会更有胜任力（more competent）。"他坦诚自己也不确定这框架"是不是真有什么实在的威力"，承认"有点哲学思辨的味道"。实操含义：接受它们不是动物智能——"你冲它们吼，它们不会因此干得更好也不会更差，根本没有任何影响。它们其实就是一堆统计性的模拟电路（statistical simulation circuits），底层是预训练（也就是统计），然后在这之上又栓上了 RL（RL bolting on top）。"——一个生动的两层结构：地基是"统计"（预训练），上面"栓"着一层强化学习。这套框架的价值不在于给"五个明显办法"，而在于"对它保持一种警惕（being suspicious of it），随着时间慢慢摸索出来"。→ 详细

• 总命题：当 agent 不只是聊天、而是"有真实的权限、有本地上下文（local contacts）、真的会代表你去采取行动"时，世界会变成什么样？Karpathy 答："所有东西都得重写（everything has to be rewritten）。如今一切从根本上还是为人类写的，都得被重新折腾一遍。我大多数时候用的框架、库，文档从根本上还是写给人类看的。"→ 详细
• 他"最受不了的一点（favorite pet peeve）"："为什么人们还在告诉我该怎么做？我什么都不想做（I don't want to do anything）。我该把哪段东西复制粘贴给我的智能体？"——把软件 3.0 的心态推到极致：用户的期待已从"教我怎么操作"变成"直接给我一段能丢给 agent 的东西"。具体痛点信号："每次有人跟我说'去访问这个 URL'之类的，我都只想叹气：唉（ah）。"——任何还要求"人去点一下、跳一下"的流程，在 agent native 视角里都是摩擦。→ 详细
• 正面思路：把工作负载拆成"传感器"和"执行器"，先描述给 agent——"每个人都对这件事兴奋：我们该怎么把那些需要完成的工作负载，从根本上拆解成对世界的传感器（sensors over the world）、对世界的执行器（actuators over the world）。我们怎么让它变成 agent native？基本上就是先把它描述给智能体听。"他还说自己"搭了很多自动化，围绕那些对 LLM 来说非常易读的数据结构（data structures that are very legible to the LLMs）"，并希望外面有大量"agent first（智能体优先）的基础设施"。→ 详细

• 真实痛点：写代码不难，部署才是地狱——"当我写那篇关于 MenuGen 的博客时，大量的工作、大量的麻烦，甚至都不是给 MenuGen 写代码本身。麻烦的是把它部署到 Vercel 上，因为我得跟一堆不同的服务打交道、一个个串起来、进它们的设置页面、进那些菜单、配置我的 DNS（域名解析），整个过程实在太烦人了（so annoying）。"——真正吃时间的往往是这些"胶水活"和配置。→ 详细
• 一个可操作的"agent native 试金石"："我希望对于 MenuGen，我能给一个 LLM 一句 prompt——'build MenuGen'，然后我什么都不用碰（didn't have to touch anything），它就以同样的方式部署到互联网上了。我觉得这会是一个很好的测试，用来检验我们的基础设施是不是正变得越来越 agent native。"——即：一句话从零到上线、全程不用人插手，就是衡量基础设施成熟度的标尺。→ 详细
• 终局：人和组织都有"agent 代表"——"我们正走向这样一个世界：人和组织都会有自己的智能体代表（agent representation）。我会让我的智能体去和你的智能体对接，去敲定我们会面的一些细节之类的事情。"主持人提的"传感器与执行器"视觉类比让 Karpathy 真心赞了一句——"我真的很喜欢这个形象的类比，之前其实还真没想到过这个比喻（hadn't thought of that），太有意思了。"→ 详细

• 引子：主持人说 Karpathy"大概是这世界上最擅长把复杂技术概念讲简单的人之一"，问他——当智能变廉价、进入 AI 下一个时代，"还有什么东西仍然值得我们去深入学习（worth learning deeply）？"→ 详细
• 那条让他"大为震撼、几乎每隔一天就想起一次"的推文："你可以把你的思考外包出去，但你没法把你的理解外包出去（you can outsource your thinking, but you can't outsource your understanding）。我觉得这话说得真好。"——全场的"题眼"金句，也是 TL;DR 第 3 句的出处。→ 详细
• 他坦承自己正成为"瓶颈"："因为我仍然是这个系统的一部分，信息仍然得以某种方式进到我的大脑里。我感觉自己正在变成一个瓶颈（becoming a bottleneck）——光是搞清楚我们到底想构建什么、为什么这事值得做、我该怎么去引导我的智能体，我就成了瓶颈。归根结底总得有什么东西来引导这个思考和处理的过程，而这个东西从根本上某种程度上还是受限于'理解'。"→ 详细
• 对知识库兴奋的根因·"导演"比喻："每当我看到信息被投射出一个不同的视角（a different projection onto information）时，我总会觉得自己获得了某种洞见。对我来说，这其实就是用大量 prompt 针对固定数据做合成数据生成（synthetic data generation）。每当我读一篇文章，我都会用上我自己那个 wiki——它就是从这些文章里一点点搭建起来的。"他把人定位成"导演（director）"："如果你做不到理解，你就没法去引导，你就当不好一个'导演'——毕竟 LLM 在'理解'这件事上肯定不擅长（certainly don't excel at understanding）。所以你仍然是这件事上独一无二的负责人（uniquely in charge）。"→ 详细

本场为单一主题的炉边对话，无独立 lightning round（闪电问答），收尾停在教育话题（见第十五节）。Karpathy 的收尾金句（带着自嘲与好奇）："我很期待过几年再回到这里，看看我们是不是已经被彻底自动化、踢出了这个环路（fully automated out of the loop），而它们真的连'理解'也一并搞定了。"——把全场两条暗线收在一起：一边是"自动化一切"的乐观外推，一边是"理解暂时无法外包"这道人类护城河；他想看的是这道护城河几年后还在不在。→ 详细

• "我想不起来上一次去纠正它是什么时候了。"——12 月转折的体感临界点。→ 详细
• "要复制粘贴给你 agent 的那段文本是什么？这才是现在的编程范式。"——软件 3.0 一句话定义。→ 详细
• "我整个 MenuGen 都是多余的，那个 app 根本就不该存在。"——旧范式被端到端模型抹平。→ 详细
• "传统计算机自动化你能用代码指定的，这一轮 LLM 自动化你能验证的。"——可验证性总纲。→ 详细
• "怎么可能 Opus 4.7 一边能重构十万行代码、找 zero-day 漏洞，却告诉我走路去洗车场？这太离谱了。"——jagged intelligence 画面。→ 详细
• "10 倍并不是你能获得的加速幅度。"——顶尖玩家远超 10x。→ 详细
• "我们不是在构建动物，我们是在召唤幽灵。"——理解 AI 本性的框架。→ 详细
• "你可以外包你的思考，但你没法外包你的理解。"——全场题眼。→ 详细

• vibe coding（凭感觉编程，抬高下限）｜agentic engineering（智能体工程，守住质量底线）｜软件 1.0/2.0/3.0（人写代码 / 训神经网络 / LLM 当可编程计算机）｜context window = 操纵解释器的杠杆
• 可验证性总纲「传统计算机自动化你能用代码指定的，LLM 自动化你能验证的」｜RL 环境 + verification rewards｜jagged entities（参差不齐）/ circuits（电路，在 RL 电路里就 fly、否则吃力）/ 国际象棋数据进预训练集｜受实验室所做之事的摆布
• Open Claw 安装（复制粘贴给 agent）/ MenuGen（Gemini + Nano Banana 渲进像素，整个 app 多余）/ LLM 知识库·wiki·recompile / 信息处理整体可自动化
• 神经网络成宿主进程（host process）、CPU 成协处理器（co-processor）/ dominant spend of flops / 工具调用是历史附属物 / diffusion 实时渲 UI
• 10x 被严重低估、峰值远超 10 倍｜招聘反转：别出谜题、给大项目 + 10 个 Codex 5.4 x high 攻破当验收 / Twitter clone for agents｜人负责审美·判断·品味·监督，agent"填空"/ MenuGen 用邮箱交叉关联资金的 bug / 持久用户 ID / 不喜欢 plan mode 但偏执守 spec / 张量·实习生记忆力
• 审美不在 RL 里所以弱 / 看 agent 代码"心脏病发作"（臃肿·脆弱抽象）/ micro GPT"像拔牙"｜召唤幽灵 vs 构建动物 / 奖励函数 vs 内在动机 / 统计模拟电路 + RL bolting on top
• agent native：一切都得重写 / 文档还是写给人 / 传感器·执行器 / legible to LLMs / 一句 prompt'build MenuGen'从零到上线全程不碰 = 试金石 / 人和组织都有 agent 代表｜外包思考但没法外包理解 / 人是导演（director）/ becoming a bottleneck
• 人物：Andrej Karpathy（联合创办 OpenAI、让 Tesla autopilot 跑通、造 vibe coding 一词）；主持人为 Sequoia 合伙人；提及 Sam Altman。个人项目：MenuGen、LLM 知识库/wiki、micro GPT