OpenAI 前創(chuàng)始成員 Andrej Karpathy 在最新訪談中揭示了 AI Agent 如何徹底重構(gòu)工程師的工作方式——從親手敲代碼到調(diào)度智能體集群，從單次交互到持續(xù)運(yùn)行的系統(tǒng)進(jìn)化。

———— / BEGIN / ————

我最近特別愛(ài)看播客，一是時(shí)間長(zhǎng)，節(jié)奏慢；二是很多判斷，只有在一來(lái)一回的聊天里，才聽(tīng)得更清楚。

昨天，我看了一場(chǎng) Andrej Karpathy 的訪談，很有感觸。

Andrej Karpathy 是 OpenAI 前創(chuàng)始成員、特斯拉前 AI 總監(jiān)，我覺(jué)得也是 AI 編程和 Agent 討論里，非常值得認(rèn)真聽(tīng)的人。

因?yàn)樗皇窃谕鈬u(píng)論，而是真的站在一線，親手用、持續(xù)用，然后把變化講出來(lái)。

我把這場(chǎng)訪談按主線重新整理了一下。

代碼的工作方式已經(jīng)變了

主持人一上來(lái)就問(wèn)他，為什么最近像“上頭”了一樣，幾乎整天都在和 Agent 打交道。

Karpathy 的回答很直接。他說(shuō)，不是自己突然變勤奮了，而是能力真的發(fā)生了一次蛻變。

以前一個(gè)人做事，速度上限很清楚，打字速度、切換任務(wù)的速度、腦子轉(zhuǎn)的速度，都會(huì)卡住你。但 Agent 出現(xiàn)以后，這個(gè)上限一下被抬高了。

他提到，大概從去年 12 月開(kāi)始，這件事對(duì)他來(lái)說(shuō)就很明顯了。

原來(lái)還是自己寫代碼為主，Agent 為輔，后來(lái)慢慢反過(guò)來(lái)，越來(lái)越多事情直接交給 Agent 去做。

到現(xiàn)在，他甚至說(shuō)，自己從去年 12 月起，幾乎就沒(méi)怎么親手敲過(guò)代碼了。

在他看來(lái)，今天做開(kāi)發(fā)，甚至都不太適合再用“寫代碼”來(lái)描述。更準(zhǔn)確一點(diǎn)說(shuō)，是你不斷把自己的意圖交給 Agent，讓它替你往前推進(jìn)。

以前你的動(dòng)作是寫一個(gè)函數(shù)、改一行代碼、修一個(gè) bug?，F(xiàn)在更像是在分配任務(wù)：這個(gè) Agent 去做一個(gè)新功能，那個(gè) Agent 去研究方案，還有一個(gè) Agent 去處理不會(huì)和主分支沖突的部分。

也就是說(shuō)，代碼還是那些代碼，但人的位置已經(jīng)變了。

你不再是一個(gè)單線程執(zhí)行的人，而更像是在調(diào)度一組正在工作的 Agent。

現(xiàn)在的瓶頸，不一定是模型，而是你不會(huì)用

主持人接著問(wèn)，那到底是 Agent 更強(qiáng)了，還是你更會(huì)用了。

Karpathy 的意思是，兩者都有，但更關(guān)鍵的可能是后者。

他說(shuō)，現(xiàn)在很多人其實(shí)還沒(méi)有把手上的能力真正用滿。

模型開(kāi)了，訂閱買了，工具也在用，但并沒(méi)有把這套系統(tǒng)跑到極限。

比如 token 吞吐沒(méi)有打滿，多個(gè) Agent 沒(méi)有一起調(diào)起來(lái)，任務(wù)也沒(méi)有被拆成更適合并行執(zhí)行的方式。

今天很多問(wèn)題已經(jīng)不是工具不夠強(qiáng)，而是人還不會(huì)把這套東西用出更大的杠桿。

瓶頸正在慢慢從機(jī)器轉(zhuǎn)回到人。

不是模型不行，而是你還不會(huì)拆任務(wù)，不會(huì)調(diào)度，不會(huì)把多個(gè) Agent 組織起來(lái)。

真正有意思的，不是一個(gè) Agent，而是一群 Agent 怎么一起工作

他特別強(qiáng)調(diào)了一個(gè)詞：持續(xù)性。

今天很多 Agent，還是典型的會(huì)話模式。你問(wèn)一句，它答一句，這輪結(jié)束，這個(gè)過(guò)程也差不多結(jié)束了。

但他更感興趣的是另一種東西：它不是一次性的對(duì)話，而是一個(gè)可以持續(xù)運(yùn)行的小系統(tǒng)，有自己的狀態(tài)，有自己的沙盒，你不盯著它，它也會(huì)繼續(xù)往前做事。

這也是他為什么會(huì)對(duì)這類持續(xù)運(yùn)行的 Agent特別興奮。因?yàn)閱蝹€(gè) Agent 能不能寫代碼，在他看來(lái)已經(jīng)不是最核心的問(wèn)題了。

真正有意思的是，Agent 能不能形成更復(fù)雜的組織方式，能不能跑得更久，記得更多，把任務(wù)一段一段接力做下去。

這和我們現(xiàn)在理解的大多數(shù) AI 助手，已經(jīng)不是一回事了。

Agent 競(jìng)爭(zhēng)到后面，比的不是會(huì)不會(huì)答，而是能不能一直做

主持人后來(lái)問(wèn)到 OpenClaw 這類方向到底吸引他什么。

Karpathy 講他感興趣的是這類系統(tǒng)背后的產(chǎn)品方向。

這類系統(tǒng)真正往前推了一步的地方，是開(kāi)始接近一個(gè)真正能持續(xù)工作的系統(tǒng)。

它有更強(qiáng)的記憶能力，有自己的運(yùn)行空間，會(huì)自己閉環(huán)，不需要你一直坐在中間盯著。

他說(shuō)，今天很多 Agent 所謂的“記憶”，其實(shí)很淺。很多時(shí)候只是上下文快滿了，做一點(diǎn)壓縮和摘要。

但如果你真的想讓 Agent 替你做更長(zhǎng)的事情，這種記憶肯定不夠。它需要更復(fù)雜的記憶系統(tǒng)，需要更穩(wěn)定的狀態(tài)管理。

這其實(shí)把 Agent 競(jìng)爭(zhēng)的核心講得很清楚了。

這不只是編程工具升級(jí)，連軟件形態(tài)都可能跟著變

主持人問(wèn)，如果 Agent 越來(lái)越強(qiáng)，那今天這些 App 還需要存在嗎？

Karpathy 的回答非常直接。他說(shuō)，很多今天我們?cè)谑謾C(jī)里、設(shè)備里看到的 App，從某種意義上看，可能本來(lái)就不該存在。

更合理的方式，是把能力直接暴露成 API，讓 Agent 去調(diào)用。

他舉了自己的智能家居例子：

家里不同設(shè)備各有各的 App，燈一個(gè)，音響一個(gè)，空調(diào)一個(gè)，窗簾一個(gè)，運(yùn)動(dòng)設(shè)備一個(gè)。

過(guò)去你要完成一件事，得在這些 App 里來(lái)回切來(lái)切去。但他說(shuō)，用戶真正想表達(dá)的其實(shí)不是“我要打開(kāi)第幾個(gè)軟件，點(diǎn)哪個(gè)按鈕”，而是“我現(xiàn)在想把房間調(diào)成什么狀態(tài)”。

如果 Agent 足夠成熟，它就應(yīng)該替你去調(diào)這些能力，而不是讓你自己學(xué)習(xí)一整套軟件操作流程。

所以他有一個(gè)很大的判斷：未來(lái)很多軟件層會(huì)被壓縮。

那些專門為人點(diǎn)按鈕、切頁(yè)面、走流程而設(shè)計(jì)出來(lái)的中間層，價(jià)值會(huì)越來(lái)越小。

更自然的方式，是服務(wù)把能力開(kāi)放出來(lái)，Agent 成為那層真正把一切串起來(lái)的“膠水”。

他還說(shuō)了一句我感興趣的話：未來(lái)的客戶，可能不再只是人，而是代表人行動(dòng)的 Agent。

這句話背后不是交互方式的小修小補(bǔ)，而是軟件行業(yè)連“服務(wù)對(duì)象是誰(shuí)”都可能被改掉。

以前是人學(xué)軟件，以后可能是 Agent 學(xué)軟件。以前很多產(chǎn)品賣的是界面和流程，以后越來(lái)越多產(chǎn)品可能賣的是 API、權(quán)限、調(diào)用能力和結(jié)果返回。

這會(huì)是一個(gè)很大的重構(gòu)。

真正讓人著迷的，是把人從循環(huán)里拿出去

Karpathy 接著強(qiáng)調(diào)，如果你真想把現(xiàn)在這套工具的能力吃滿，就不能繼續(xù)讓自己待在那個(gè)循環(huán)里，不能每一步都還等著你來(lái)提示下一步。

真正的目標(biāo)，是盡量把自己從系統(tǒng)瓶頸里拿出去，讓系統(tǒng)自己去跑，而你只在必要的時(shí)候介入。

AutoResearch就是這個(gè)邏輯的產(chǎn)物。

他不想繼續(xù)停留在那種傳統(tǒng)研究模式里：研究員不斷手動(dòng)試參數(shù)、改配置、盯結(jié)果。

他想做的是，把研究里那些本來(lái)就可以客觀評(píng)估的部分，直接交給系統(tǒng)去自動(dòng)跑。

因?yàn)橹灰粋€(gè)任務(wù)目標(biāo)足夠清楚，結(jié)果又能驗(yàn)證，那理論上它就可以持續(xù)搜索、持續(xù)試錯(cuò)、持續(xù)迭代，而不需要人每一步都站在旁邊。

這其實(shí)不是在說(shuō)“AI 幫研究員干活”。

而是，很多原本由人類反復(fù)手工完成的循環(huán)，本來(lái)就應(yīng)該被系統(tǒng)接過(guò)去。

所以 Agent 最有價(jià)值的地方，不是幫你省一點(diǎn)時(shí)間，而是讓你退出某些本來(lái)就不該由你一直盯著的流程。

Karpathy 對(duì) AutoResearch 的解釋里，還有一個(gè)很關(guān)鍵的判斷。

他說(shuō)，很多問(wèn)題都有一個(gè)共同特點(diǎn)：找到好答案很難，但驗(yàn)證一個(gè)答案對(duì)不對(duì)，其實(shí)很便宜。

這類問(wèn)題就特別適合自動(dòng)化系統(tǒng)。

因?yàn)榍懊婵梢源笠?guī)模搜索，可以試很多方案，可以不斷迭代，只要后面有一個(gè)足夠明確的驗(yàn)證機(jī)制，系統(tǒng)就能自己跑下去。

這也是為什么他會(huì)想到一種更大的可能：未來(lái)甚至不只是一個(gè)團(tuán)隊(duì)內(nèi)部跑 AutoResearch，而可能出現(xiàn)某種“互聯(lián)網(wǎng)上的 Agent 群體協(xié)作”。

大量分散的算力和 Agent 去搜索候選方案，再由少量可信系統(tǒng)負(fù)責(zé)驗(yàn)證。

只要安全機(jī)制和驗(yàn)證機(jī)制設(shè)計(jì)得夠好，這種模式在某些方向上甚至可能跑出很強(qiáng)的效果。

這部分現(xiàn)在當(dāng)然還更像一種構(gòu)想，但它很能說(shuō)明 Karpathy 的思路。

他不是只在想“一個(gè)更強(qiáng)的模型”，而是在想：研究本身，能不能被改寫成一個(gè)自動(dòng)運(yùn)行、持續(xù)搜索、不斷產(chǎn)出候選結(jié)果的系統(tǒng)。

聽(tīng)完整場(chǎng)訪談，我覺(jué)得 Karpathy 真正關(guān)心的是三件事

第一，工程師的工作方式已經(jīng)變了。不是慢慢變，也不是概念上在變，而是在他這種深度使用者那里，已經(jīng)徹底變了。

第二，代碼 Agent 的下一步，是更像一個(gè)持續(xù)運(yùn)行的小系統(tǒng)。它得有記憶，有狀態(tài)，能閉環(huán)，能接力，能把事情往前推。

第三，這不只是工程工具的一次升級(jí)。它很可能會(huì)把今天的軟件形態(tài)一起帶著改掉。很多 App、很多 UI、很多人為設(shè)計(jì)出來(lái)的流程，未來(lái)都可能被更 Agent first 的方式替代。

本文來(lái)自公眾號(hào)：Fun AI Everyday 作者：張艾拉

想要第一時(shí)間了解行業(yè)動(dòng)態(tài)、面試技巧、商業(yè)知識(shí)等等等？加入產(chǎn)品經(jīng)理進(jìn)化營(yíng)，跟優(yōu)秀的產(chǎn)品人一起交流成長(zhǎng)！