ARTICLE · 1136754

当软件变成“日抛工具”:OpenAI创始成员Karpathy 教你榨干AI 的 4 个提效技能

发布时间：2026-10-07 23:39:24 最近访问：2026-10-07 23:39:25

如果有一天，AI真的可以替你完成90%的工作，人类最后还需要做什么？

这个问题可能比“AI会不会取代人”更值得思考。

因为真正正在发生的变化，并不是AI单纯变得更聪明了，而是它正在逐渐接管过去属于人的一整套“执行过程”。

以前，我们使用软件。

你要做报表，就打开Excel；要修图，就打开Photoshop；要做动画，就学动画软件；要开发一个网页，就找程序员。

现在，你只需要告诉AI：

“帮我把这个东西做出来。”

AI可以写代码、画图、生成网页、制作动画，甚至把不同工具串起来完成一个完整任务。

于是，人和软件之间的关系开始发生变化。

过去是：

人 → 软件 → 结果

现在越来越像：

人 → AI → 软件/图表/网页/视频 → 结果

这会带来一个问题：

当AI替你完成越来越多的事情之后，你有没有能力真正看懂它交付给你的东西？

（Andrej Karpathy：斯坦福 PhD、李飞飞门生、OpenAI 创始成员、前特斯拉 AI 总监。顶级技术专家，也是最懂“怎么把技术讲明白”的 AI 教育者；一个既站在 AI 最前线，又最懂“人类如何吸收知识”的技术狂人突然提醒你：纯文字解释不够用了，软件正变成一次性认知工具。）

2026年10月2日，Andrej Karpathy发了一条很值得一读的帖子。

他的判断并不只是“以后AI会更强”，他关注的是一个更加具体的问题：

我们以后会花越来越多时间，去理解语言模型生成出来的东西。

而理解AI输出的方法，正在发生变化。

你可以让AI用一种更严格的语言解释；

可以让它画图；

可以让它做成一个可以操作的网页；

甚至可以让它临时给你制作一部解释视频。

表面看，这是输出格式的变化。

往深处看，这是人类理解知识的方式正在发生变化。

当AI越来越会“做”，人类越来越需要“看懂”

过去，人和电脑之间有一道很清楚的分工。

电脑负责计算、存储和执行，人负责理解、判断和决策。

所以软件设计的核心问题是：怎样让人使用电脑完成任务？

AI出现以后，这个关系正在倒过来。

你告诉AI目标，它开始替你完成大量执行工作。

写代码、整理资料、分析数据、生成图表、做网页、写报告……

而且随着模型能力提高，AI承担的执行比例还会继续增加。

于是人的工作会逐渐从“亲自完成每一步”，转向三个更高层次的问题：

我到底想解决什么问题？
AI到底替我做了什么？
它做得对不对？

最后两个问题尤其重要。

因为“生成出来”和“理解清楚”完全是两回事。

AI可以在几秒钟里给你一篇5000字的解释。

但如果你读完以后，脑子里仍然只有一堆文字，你并不一定真正理解了这个问题。

这正是Karpathy这条帖子的切入口，他的思路非常简单，却很有冲击力：

当一种表达形式不够用时，不要继续让AI把同一种形式做得更长；直接换一种表达形式。

这就出现了四种完全不同的理解方式。

文字：先让语言减少歧义

Karpathy提到的第一个方法，看起来最普通，却非常值得研究。

让AI使用ASD-STE100的方式解释复杂内容。

ASD-STE100是一套“受控语言”（Controlled Language）规范。

它最初服务于航空航天、技术维护等专业技术文档。

为什么飞机维修手册需要专门规定语言？

因为在这种场景里，“大概能看懂”远远不够。

一句话如果存在两种解释，执行人员就可能采取两种不同的操作。

所以它试图解决的问题是：

怎样让技术语言尽可能少产生歧义？

它会对词汇、句子结构、语法和表达方式施加约束。

例如，在适当情况下使用更明确、更具体的词；避免一个词承担太多不同含义；尽量减少复杂的句子结构；让一句话承担清晰、单一的任务。

这里最值得理解的，不是记住某几条写作规则。

而是理解一个原则：

自然语言越自由，表达空间越大；表达空间越大，歧义也可能越多。

所以在某些任务里，限制语言，反而能够提高信息的可靠传递。

这对AI尤其重要。

因为人对AI说：

“请把这个讲得简单一点。”

其实是一个非常模糊的要求。什么叫简单？短一点？少用术语？像小学生一样？还是把复杂概念拆开？

AI只能猜。

而当你告诉它：

“请用80%接近ASD-STE100规范的方式解释这个问题。”

你实际上给了AI一套更明确的语言约束，这就是Karpathy真正看中的地方。

大模型很擅长遵守明确的约束。

因此，当你面对一篇特别复杂的论文、一份技术报告、一段代码，或者一个自己完全陌生的概念时，可以尝试要求AI：

请使用接近ASD-STE100的受控语言解释。每句话尽量只表达一个核心意思。避免不必要的修辞和模糊表达。第一次出现专业术语时给出定义，不要为了“简单”而删除必要的限定条件。

最后一句非常重要。

因为“简单”并不等于“准确”。

科学、医学、法律领域尤其如此。

如果为了让文章好懂，把“可能”“在某些条件下”“与……相关”等必要限定全部删掉，文章确实会变得更流畅，却可能同时变得不准确。

所以ASD-STE100真正值得借鉴的地方，是：

减少语言噪音，而不是牺牲事实精度。

图：把藏在文字里的关系直接拿出来

但有些东西，即使语言已经足够清楚，依然很难理解。

因为问题可能根本不在于“概念”。

而在于：关系太多。

比如你想理解睡眠、代谢和大脑之间的关系。

文字可能这样告诉你：

睡眠不足会影响激素调节，激素变化又会影响代谢状态，而代谢状态与炎症、神经系统功能存在复杂联系。

每一句都对，但读完之后，你仍然需要自己在脑子里完成一个工作：

把这些关系重新拼起来。

谁影响谁？

方向是什么？

有没有反馈？

哪些是直接关系？

哪些只是间接关系？

这时候，一张图可能比1000字更有价值。

因为图可以把隐藏在文字中的结构直接暴露出来。

例如：

睡眠↓ → 激素调节↓ → 代谢环境↓ → 抗炎能力↓ → 脑功能↓

如果还有反馈环路，再把反馈箭头画回来。

原本需要在脑子里完成的工作，现在被外化到了纸面上。

所以可以把两者简单理解成：

文字擅长解释“它是什么”。

图擅长解释“它们怎么连接”。

这也是为什么面对复杂问题时，一个非常有效的提示方式是：

不要只解释这个问题，请先找出其中最重要的变量、关系、因果链和反馈回路，再画成一张结构图。

这里还有一个很容易被忽视的风险。

图非常有力量，也非常容易制造错觉。

因为一根箭头，就可能悄悄表达一种因果关系。

A → B

读者很容易理解成“A导致B”。

但原始研究可能只证明了：A和B相关；或者A发生在B之前。

甚至只是理论上存在一种可能机制。

所以面对AI生成的图，不能因为它看起来比文字更清楚，就默认它更正确。

图的优势是把结构显现出来；它的风险也是把未经验证的结构显现得过于确定。

这也是AI时代越来越重要的一条原则：

表达形式越有说服力，事实核查越不能省略。

网页：从“阅读”进入“实验”

真正让这件事情发生质变的，是第三种形式：交互式网页。

这里最值得注意的并不是“AI可以做漂亮网页”。

网页漂亮，其实没有那么重要。

真正重要的是：

AI可以给你临时制造一个可以操作的模型。

假设你想理解复利，传统方法是看一篇文章。

文章告诉你：

本金是多少，利率是多少，时间是多少，最终会得到多少。

你阅读后，再理解公式，然后想象。

但如果AI直接给你做一个网页呢？

左边三个滑块：

本金、年利率、投资年限。

右边一条不断变化的曲线。

你拖动利率、曲线发生变化、再把时间拉长、曲线再次变化。

这时候你获得的已经不是一段解释。

而是一次实验。

你从：“阅读一个结论”

进入了：“亲手观察变量如何产生结果”。

这就是交互式输出真正重要的地方。

HTML本身只是网页的基础技术。

真正产生认知价值的是HTML、JavaScript以及可视化组件组合之后形成的交互环境。

它允许你：改变变量、观察结果、比较不同情况、提出新的假设、再马上验证。

所以，一个由AI临时生成的网页，可以成为一个非常小型的“思想实验室”。

更重要的变化：软件开始可以“用完就扔”

这里才进入Karpathy这条帖子的真正核心。

想象一下。

如果十年前，你想弄明白一个复杂概念，你会不会找程序员专门给自己开发一个网页？

大概率不会、因为成本太高。

你需要产品设计、需要程序员、需要测试、可能还需要服务器、后面还有维护。

为了理解一个问题，根本不值得。

所以过去的软件有一个隐含前提：

既然开发这么贵，它就必须长期存在。

软件因此成为一种资产。

值得开发、值得维护、值得升级、值得扩大用户规模。

但AI正在改变这个经济逻辑。

如果你只需要告诉AI：

“帮我做一个网页，让我理解这个概念。”

它可以直接写出代码。

一个人、一个问题、一个下午、甚至十分钟，用完以后，删除。

不需要维护、不需要上线、不需要商业化。

这就是Karpathy所说的：

Discardable software artifacts——可丢弃的软件制品。

这几个词的重要性，远远超过“AI可以做网页”。

因为它改变的是我们对软件的定义。

过去我们问：这个软件值得开发吗？

现在越来越可以问：这个软件能不能帮我把眼前这个问题想明白？

如果答案是可以，那么即使它只存在一个小时，也可能值得生成。

这就是一个非常大的变化。

软件开始从长期资产，变成一次性的认知工具。

以前一个程序员需要花几天做出来的东西，现在AI可能几分钟就能生成。

于是软件第一次可以变得：极其私人、极其具体、极其短命。

只服务于你、只解决一个问题、只存在一段时间，然后消失。

这件事情真正颠覆的，并不是软件行业本身。

它改变的是：知识工作的成本结构。

过去因为制作工具昂贵，我们不得不适应现有工具。

以后因为生成工具便宜，工具可以开始适应人的问题。

视频：AI为什么突然可以“临时拍一部科普片”？

第四种形式，是Karpathy最看好的：解释视频。

他举的例子非常有意思：

让AI制作一部类似3Blue1Brown风格的解释视频。

很多人看到这里，会理解成：

“AI现在就可以生成视频了。”

但真正值得注意的是：AI可以生成制作视频的代码。

3Blue1Brown（频道名字“3 蓝 1 棕”），也就是格兰特·桑德森Grant Sanderson（知名数学科普大佬，斯坦福大学数学系毕业）的数学可视化频道，长期使用程序化动画的方式解释数学。

其中一个重要工具就是他开发了开源动画引擎 Manim

它本质上是一套可以用代码描述数学动画的工具。

于是整个过程发生了变化：

你提出一个问题。

↓

AI理解问题。

↓

AI编写动画代码。

↓

代码运行。

↓

生成数学图形和动态过程。

↓

再配上AI语音。

↓

形成一部针对这个问题临时制作的解释视频。

这背后的关键并非“AI会剪视频”。

而是：语言模型可以把知识转换成代码，再由代码生成视觉世界。

这就是为什么“视频”会突然变得便宜。

过去，一部定制科普视频可能需要：编剧、导演、分镜、设计、动画师、配音、剪辑。

现在，其中相当一部分工作可以由AI完成。

于是，一个过去完全不值得制作的视频，也可能变得值得制作。

比如：

“请解释神经网络为什么需要反向传播。”

过去你可能找一篇文章。

现在可以让AI制作一部两分钟动画：

输入数据进入网络。

预测结果出现。

误差产生。

误差沿网络反向传播。

权重调整。

再次计算。

误差下降。

整个学习过程随着时间展开。

这时候，视频的价值就非常明确了。

它把需要脑补的推演，变成了眼见为实的画面。

文字适合描述、图适合展示结构、交互网页适合让你改变变量、视频则特别适合展示：一个过程究竟是怎样一步一步发生的。

所以视频并不天然“高级”。

它只是解决了另一种理解难题：动态过程。

四种形式，其实对应四种认知任务

到这里，我们可以重新看Karpathy提到的四种输出方式。

它们并不是简单的：

文字 < 图 < 网页 < 视频

也不存在一个绝对的“最高级”。

真正重要的是：你到底想理解什么？

如果你想知道一个概念是什么意思：用受控文字。
如果你想知道几个变量之间是什么关系：用图。
如果你想知道“改变这个变量以后会发生什么”：用交互网页。
如果你想知道一个复杂过程怎样随时间展开：用动画或视频。

所以以后向AI提问时，一个非常重要的变化是：

不要只问：

“请详细解释。”

可以先问：

“这个问题最适合用什么形式让我理解？”

甚至可以直接要求AI：

请先判断这个问题最适合用文字、结构图、交互模型还是动态视频解释，然后选择最合适的形式。

这一步看起来只是提示词变化，实际上，它改变的是人与AI的关系。

AI时代，一个很重要的学习原则：看不懂时，先换表示法

我们过去遇到一个复杂问题，看不懂，通常会怎么办？

再读一遍、再找一本书、再搜一篇文章、再让别人解释一遍。

本质上，我们一直在做同一件事：增加文字。

但很多时候，问题并非信息不足。而是表示方式不适合你的大脑。

一个复杂的空间关系，用文字解释十遍都很痛苦。

画出来，可能马上明白。

一个动态过程，用静态文字很难想象。

做成动画，可能几秒钟就清楚。

一个参数之间的关系，看公式很抽象。

做成交互模型，自己拖一下就知道了。

所以AI时代，一个非常重要的学习原则可能变成：

理解失败时，先换表示法，而不是继续堆信息。

文字不懂，就画图。

图不懂，就做模型。

模型仍然抽象，就做动画。

这相当于给自己的大脑不断更换“认知接口”。

但这里有一个必须保留的刹车

AI把复杂内容变成图、网页、动画以后，理解会变得更容易。

同时，另一个风险也会越来越大：

错误也会变得更容易理解。

一篇AI写得很流畅的文章，可能有事实错误。

一张结构清晰的图，可能把相关性画成因果关系。

一个可以操作的模型，可能隐藏了错误的假设。

一部动画甚至可以把一个错误的科学机制解释得极其生动。

于是我们会遇到一个以前没有这么明显的问题：

表达质量和事实质量，正在逐渐脱钩。

越漂亮，不等于越正确。

越流畅，不等于越可靠。

越容易理解，也不等于越接近事实。

所以真正成熟的AI工作流应该是：

生成 → 理解 → 验证 → 修正

而不是：

生成 → 看起来很漂亮 → 相信

尤其涉及医学、科学、法律、金融等高风险领域时，这一点更加重要。

AI负责把复杂内容转换成更适合人理解的形式。

人负责检查：

事实有没有错？

证据够不够？

有没有遗漏关键条件？

图中的箭头是否真的代表因果？

模型是不是偷偷加入了没有证据的假设？

这可能就是未来人与AI之间最重要的一种分工。

我们真正进入的，可能是“认知工具按需生成”的时代

回头再看Karpathy这条帖子，会发现它讨论的其实远远超过了几个提示词。

它指向的是一个更大的变化。

过去：人适应软件。

现在：AI开始根据人的问题生成软件。

过去，一个软件需要服务很多人，才能覆盖昂贵的开发成本。

现在，一个软件甚至可以只服务一个人。

只解决一个问题，只存在几个小时，用完即扔。

这就是“可丢弃的软件制品”真正令人震动的地方。

而它和文字、图、网页、视频其实是一条线上的不同表现。

AI不再只是给你一个答案。

它可以根据你的问题，临时制造：

一个解释器。

一个：图解器。

一个：模拟器。

一个：动画老师。

甚至一个只属于你自己的小型软件。

过去我们需要花大量时间学习工具，才能创造这些东西。

未来可能反过来：

你只需要知道自己想弄明白什么，AI替你制造理解它的工具。

这会改变学习、改变研究、改变知识工作、也会改变“软件”的含义。

最后真正值得带走的，是这件事

未来，AI的竞争可能越来越少发生在“谁能写出一段更漂亮的文字”上。

因为文字已经足够便宜、代码也越来越便宜。

图表、网页、动画、视频，都会越来越便宜。

真正稀缺的东西，可能重新回到了人身上：

你究竟想弄明白什么？

你知道什么样的表示方式最适合这个问题吗？

你能判断AI给你的解释是否正确吗？

这意味着，AI时代的高手，未必是最会写提示词的人。

更可能是那些能够把问题拆清楚、选择正确表示方式，并且能够验证结果的人。

过去我们使用软件完成工作。

现在AI可以替我们制造软件，用完以后，它甚至不需要留下来。

因为它存在的意义，从来不是成为一款产品。

而是：

在你需要理解的那一刻，帮你把一个原本想不明白的问题，变成真正看得见、摸得着、可以验证的东西。

AI正在从“回答机器”，变成“理解工具的制造机器”。

而当智能和代码都越来越便宜以后，我们真正需要重新学习的，也许只有一件事：

当执行彻底不再稀缺，理解的深度与监督的精度，将成为人类最后的护城河。

END

相关学习资料