软件3.0时代：程序员从”写代码”变成”指挥AI”｜附Karpathy最新洞察

软件3.0时代：程序员从”写代码”变成”指挥AI”

Karpathy 说，他从未如此觉得自己作为程序员「落后了」。

这话从别人嘴里说出来可能不算什么。但 Karpathy 是 OpenAI 联合创始人、Tesla AI 负责人——整个深度学习时代最具影响力的人物之一。

他说出这句话，分量就不一样了。

Software 1.0 → 2.0 → 3.0：三代软件演进史

要理解现在发生了什么，先回头看看软件的进化历程。

Software 1.0：人写代码

这是我们最熟悉的模式。程序员用 Python、C++、Java 写代码，每一行都是明确指令：如果 A 则执行 B，否则执行 C。

逻辑是人写的，bug 也是人造的。

从 1950 年代到现在，绝大多数软件都属于这个范畴。好处是确定性强、可调试、可解释。但根本局限是：扩展性受限于人类的智力和时间。

你写不出一个算法，让计算机从照片里认出一只猫。因为这个任务本身的规则，人类自己都说不清楚。

Software 2.0：训练即编程

2017 年，Karpathy 在 Medium 发了一篇博客，提出了 Software 2.0 的概念。

核心观点：神经网络不只是新工具，它代表了一种全新的编程范式。

在 Software 1.0 里，程序员写代码。在 Software 2.0 里，程序员准备数据和目标函数，让优化算法（梯度下降）去搜索出一组神经网络权重。

换句话说：训练过程就是编程过程，数据集就是源代码。

Software 2.0 已经「吃掉」了大量 Software 1.0 的领域：图像识别、语音识别、机器翻译、围棋……

Software 3.0：prompt 就是代码

Karpathy 自己承认，Software 2.0 的文章写得太早了——当时 GPT 还没出现，Transformer 才刚发表。他没有预见到大语言模型。

而 Software 3.0 的编程方式，完全不同：

你写一段 prompt，给模型上下文，它就执行了。不需要训练，不需要梯度下降，不需要标注数据。

你用自然语言「编程」，用 context window 作为「内存」，用工具调用作为「系统调用」。

LLM 成了一个新型的计算解释器，而 prompt 就是它的源代码。

Karpathy 在 AI Ascent 2026 大会上做了个精辟总结：

• Software 1.0：人写代码

• Software 2.0：神经网络用数据训练出来

• Software 3.0：通过 prompt、上下文、Agent、工具、记忆和验证来编程

MenuGen ：一个中间层消失的案例

Karpathy 举了一个他自己做的项目：MenuGen。

场景：你走进餐厅，拍了一张菜单照片，App 自动识别菜名、搜索图片、重新排版生成带图的菜单。

传统方式做这件事：OCR 识别 → NLP 提取 → 图像搜索 API → 前端排版。至少几百行代码，一两天工作量。

而 Karpathy 发现：直接把照片扔给 Gemini，让它在原图上叠加菜品图片，整个中间层的 App 都变得多余了。

这就是 Software 3.0 最具颠覆性的地方：

有些应用不是被做得更快了，是直接被模型的原生能力吞掉了。

Vibe Coding vs Agent Engineering：地板与天花板

「Vibe Coding」这个词是 Karpathy 自己在 2025 年初造的。

当时 AI 编程工具刚起步，他用这个词形容一种新开发方式：不看代码细节，凭直觉和自然语言跟 AI 协作，「感觉对了就行」。

然后这个词火了，火到他自己都没想到。

但 Karpathy 这次想说的是：Vibe Coding 仅仅只是热身，而已。

2025 年 12 月，他经历了一个「翻转」：从自己写 80% 代码、Agent 写 20%，变成了 20/80。

在 2026 年，这个比例还在继续倾斜。他甚至因此患上了「AI 精神病」：每天对着 Agent 说话 16 个小时，Agent 跑完一个任务就想立刻开下一个。

他在演讲中把这种转变拆成两个层次：

Vibe Coding 抬高了地板。

任何人，哪怕完全不懂编程，都能用自然语言描述需求，让 AI 生成一个可用的应用。设计师可以做原型，产品经理可以做内部工具，学生可以做自己的项目。门槛被拉到了接近零。

Agent Engineering 抬高了天花板。

专业开发者使用 Agent 的方式完全不同。他们在设计一整套系统：Agent 生成方案、编码、测试、相互检查。这套流程要保证没有安全漏洞，架构要干净，系统要稳健。

Vibe Coding 抬高的是所有人能做软件的下限。Agentic Engineering 要保住的是专业软件过去已有的质量门槛。

Harness：每犯一个错，就工程化一个解决方案

Karpathy 还聊到了一个热门概念：Harness（套件/脚脚手架）。

这个词最早是 HashiCorp 联合创始人 Mitchell Hashimoto 提出的。他在用 AI 做 Ghostty 项目时总结出一条原则：

每当你发现 Agent 犯了一个错误，你就花时间去工程化一个解决方案，让它再也不会犯同样的错。

后来 Cursor、OpenAI、Anthropic 等都发表了关于 Harness 的工程博客。

而 Karpathy 的观点更为激进：未来的软件应该为 Agent 重写，完全不用考虑人类用户。

Agent 需要的是：机器可读的接口、明确的权限声明、可分解的工作流、清晰的指令格式。

他甚至说：为什么还要写复杂的 .sh 安装脚本？完全可以用一个 .md 文件，用英文把安装步骤写清楚，然后告诉用户「把这个文件给你的 LLM 看就行」。

用 .md 替代 .sh，替代 .py 和 .go——这也是 Karpathy 最近的用法。

人的位置：理解力不可外包

说了这么多 AI 和 Agent，Karpathy 倒也没忘了说回人类自己。

他的判断是：理解力是不可外包的。

Agent 可以调 API、可以写代码、可以做测试。但有三件事它确实还做不了：

系统规格设计：比如用户系统应该用稳定的 user ID 而不是邮箱地址来关联资金——这种判断需要理解业务逻辑，需要经验，需要对后果的预见。

概念理解：你需要真正懂张量是什么、内存视图怎么工作、存储机制背后的原理，而不只是知道 API 的名字。否则你无法判断 Agent 写的代码是不是在做正确的事。

品味：Agent 写的代码经常「能跑但很丑」。它通过了所有测试，功能也对，但架构一团糟、命名一塌糊涂、复杂度失控。你需要知道什么是好的设计。

你可以外包你的思考，但不能外包你的理解。

如果你不理解系统在做什么，你就没办法在 Agent 犯错的时候知道它错在哪里。而 Agent 一定会犯错。

三代软件演进：作者→教练→指挥官

回看这三代软件范式的演进，主线是：人类参与的方式在不断变化。

• Software 1.0 时代：程序员是作者。每一行代码都是他亲手敲出来的，逻辑是他设计的，bug 是他修的。他对整个系统有完全的控制权，也承担全部的责任。

• Software 2.0 时代：程序员变成了教练。他不再直接写逻辑，而是准备训练数据、设计网络结构、调整超参数，然后让优化算法去搜索解决方案。他的工作从「告诉机器怎么做」变成了「给机器看该怎么做」。

• Software 3.0 时代：程序员变成了指挥官。他不需要准备数据，不需要训练模型，他只需要用自然语言描述意图，给出上下文，然后指挥一群 Agent 去执行。他的工作从「给机器看」变成了「告诉机器要什么」。

从 how，到 show，到 what。

每一代转移，人类失去的是执行细节的控制，获得的是更高层次的杠杆。

就像 Karpathy 说的：以前焦虑的是 GPU 空闲，现在焦虑的是 token 没花完。以前的瓶颈是计算资源，现在的瓶颈是人。

你控制多少 token 吞吐量，决定了你能做多少事。

就在当下

Software 3.0 并非只是一个概念，也不是一个预测。

如果你能看到这篇文章，你很可能早已置身其中，感同身受了。

Anthropic 在《2026 Agentic Coding Trends Report》中提到：2025 年 agentic AI 改变了大量开发者写代码的方式，而 2026 年将是这种变革开始重构整个软件开发生命周期的一年。

而 Karpathy 本人，大概从 2025 年下半年开始，就没再手写过一行代码了——每天对着 Agent 说话数分钟甚至数小时……

Software 3.0 时代，并非即将到来、马上要来。

而是，就在当下。