软件3.0时代来了:Karpathy说氛围编码已死,LLM是幽灵不是动物

Andrej Karpathy 最近在 Sequoia 的 AI Ascent 大会上做了一场 29 分钟的演讲，信息密度极高。这位 OpenAI 联合创始人、前特斯拉 AI 负责人，亲手给自己去年提出的"氛围编码"概念判了死刑，同时抛出了一个更宏大的判断：软件 3.0 正在吞噬一切，Agent 的十年已经到来。

如果你还没看过这场演讲，值得花时间完整看一遍。下面是核心内容整理。

从没感到作为程序员如此落后

开场，主持人问了一个尖锐的问题：你不久前说过"作为程序员，我从没感到如此落后"——这话从你嘴里说出来，到底是兴奋还是不安？

Karpathy 的回答是：两者都有。

他描述了去年 12 月的一个转折点。之前用 AI 编程工具，写代码时经常会出错，需要手动修正。但到了 12 月，他发现最新模型输出的代码块几乎不需要修改了——他一直要求更多功能，模型一直给出正确的结果，他已经记不清上次纠正代码是什么时候了。

这个转变让他一头扎进了"无穷无尽的项目"，他的项目文件夹塞满了各种随机项目。

软件 1.0 → 2.0 → 3.0：编程范式的三次跃迁

Karpathy 把软件发展划分为三个时代：

软件 1.0：程序员手写明确的规则和代码。

软件 2.0：通过创建数据集、设计目标函数和神经网络架构来"编程"——编程变成了数据集的编排。

软件 3.0：当你在足够大的任务集上训练 GPT 模型或 LLM 时，这些模型隐式地变成了可编程的计算机。编程变成了提示词工程，上下文窗口就是你操控 LLM 解释器的杠杆。

他举了一个非常生动的例子：当 OpenClaw（一个 AI Agent 工具）发布时，安装方式不是传统的 Shell 脚本，而是一段文本——你复制粘贴给你的 Agent，Agent 自己去理解你的环境、你的电脑，然后智能地执行安装、调试。

MenuGen：软件 3.0 的极致案例

Karpathy 分享了他构建 MenuGen 的经历。这个应用的功能很简单：你拍一张餐厅菜单的照片，它会自动生成每道菜的图片，让你知道菜长什么样。

传统做法（软件 1.0+2.0）：OCR 识别菜单文字 → 用图像生成器逐个生成图片 → 渲染展示。这是 MenuGen 的完整工程实现。

但软件 3.0 的版本让他震惊：直接把照片给 Gemini，说"用 nanobanana 把菜品图片叠加到菜单上"，Gemini 直接返回了一张渲染好的菜单图片——菜品图片已经嵌入到像素里了。

LLM 的心理学：幽灵而非动物

这是整场演讲最有洞察力的部分。Karpathy 提出了一个概念：LLM 是"人类灵魂"（people spirits）——随机模拟器，具有涌现的"心理学"特征，但也有关键的认知缺陷。

参差不齐的智能（Jagged Intelligence）

LLM 有些事情做得极其出色（以人类标准衡量），有些事情又灾难性地失败，而且你往往分不清哪些是哪些。最致命的问题是缺乏认知自知之明——模型不知道自己不知道什么。

顺行性遗忘（Anterograde Amnesia）

这个比喻非常精准：LLM 就像一个患有顺行性遗忘症的同事——训练结束后，他们无法积累长期知识或专业能力，只有短期记忆（上下文窗口）。

Karpathy 提出了一个解决方案：系统提示词学习（System Prompt Learning）。这是一种缺失的学习范式——LLM 编辑自己的系统提示词来编码全局问题解决策略和知识。

部分自主：钢铁侠战甲类比

在讨论 AI 产品的设计哲学时，Karpathy 用了"钢铁侠战甲"的类比：好的 AI 产品 = 增强（工具/传感器）+ 自主（独立行动）。

关键概念是自主性滑块（Autonomy Slider）——用户应该能精细控制 AI 的独立程度：

• Cursor：从 Tab 补全到 Agent 模式
• Perplexity：从搜索到深度研究
• 特斯拉自动驾驶：L1 到 L4

核心工作流是人机生成-验证循环。速度至关重要：

Karpathy 还抛出了一个金句：

演示只要能跑一次就算成功，产品必须每次都可靠。这个差距是目前 AI 产品最大的鸿沟。

氛围编码已死，为 Agent 而建

Karpathy 指出，氛围编码（vibe coding）——你描述意图、AI 生成代码——虽然从原型阶段看起来很美好，但一旦要和真实世界的服务对接（认证、部署、各种不为 Agent 设计的系统），AI 的加速效果就消失了。

他提出了一个新的分类框架——数字信息的消费者/操控者有三类：

1. 人类（通过 GUI）
2. 计算机（通过 API）
3. Agent ← 像人类一样需要交互的计算机

他特别提到了两个"为 Agent 而建"的工具：Gitingest 和 DeepWiki——它们是"上下文构建器"，帮助 Agent 理解代码库。

总结：这是 Agent 的十年

Karpathy 在结尾总结了五个核心观点：

1. 这是 Agent 的十年
2. 聚焦部分自主——定制 GUI、自主性滑块，而不是华而不实的 Demo
3. 软件 3.0 正在吞噬 1.0/2.0——它的核心特征（公用事业/晶圆厂/操作系统）将决定它的路径
4. 改进生成-验证循环
5. 为 Agent 而建

///

这场 29 分钟的演讲浓缩了 Karpathy 对软件未来的完整判断。从氛围编码的退潮，到 LLM 作为新计算范式的崛起，再到 Agent 时代的开启——每一个观点都值得深思。

最让人印象深刻的是他对 LLM 心理学的洞察：参差不齐的智能、顺行性遗忘、缺乏自知之明。这些不是技术细节，而是理解 AI 能力边界的思维框架。

如果你是开发者、产品经理、或者只是对 AI 未来感兴趣的人，这场演讲都不应该错过。