夜雨聆风6月28日，X 上一条帖子直接用了"宣告死刑"的措辞：
"KARPATHY JUST KILLED THE PROMPT ERA WITH A SINGLE DOCUMENT"
「Karpathy 用一份文档，杀死了 prompt 时代。」
帖子列出了一套"9条规则"——planner 永远不碰代码，generator 永远不给自己打分，状态存磁盘，从一个功能开始，别上十个。
底下配了一张密密麻麻的文档截图。761 个赞，14.6 万人看过。评论区已经开始讨论"prompt engineer 是否该转行"。
▲ @hanakoxbt 的病毒帖，宣称 Karpathy 用一份文档终结了 prompt 时代（761赞，14.6万浏览）
气氛已经到位了。
但有一个问题。
这份「Karpathy 文档」，可能根本不存在
评论区很快出现了不同的声音：
"I have not seen this by @karpathy, please post a link."
「我没见过 Karpathy 发这个，能给个链接吗？」
"this document is fake."
「这文档是假的。」
有人直接 @ 了 Grok 让它核实。翻遍 Karpathy 的 GitHub、个人站、近期推文——找不到一份完全对应"9条规则 + planner/generator/state on disk"的官方文档。
所以这大概率是一次拼接加工：有人把 Karpathy 分散在各处的公开观点，打包成了一份"权威文档"的样子。
故事到这里本该结束。一个被拆穿的营销帖，下一条刷走就行。
问题是——Karpathy 本人做的事情，比这份假文档描述的还要激进。
12 小时，110 次实验，人类在沙发上躺着
2026 年 3 月 5 日，Karpathy 发了一条推文。没有"9条规则"，没有文档截图，只有一张满屏的实验日志和一段异常平静的描述：
"I now have AI Agents iterating on nanochat automatically, so I'll just leave this running for a while, go relax a bit and enjoy the feeling of post-agi :)"
「我现在让 AI Agent 自动迭代 nanochat 了，所以我就让它跑着，自己去放松一下，享受一下后 AGI 的感觉 :)」
配图是两列密密麻麻的终端输出——过去 12 小时，agent 自主做了 110 次代码改动，把验证损失从 0.862415 降到了 0.858039。
6500 个赞。64.5 万人浏览。
▲ Karpathy 首次公开 autoresearch 实验：12小时，110次改动，人类"去沙发上享受后AGI感觉"（6.5K赞）
这条推文背后，是他公开在 GitHub 上的autoresearch项目——目前89K 星，12.9K Fork。
▲ karpathy/autoresearch 仓库：89K Stars，整个项目只有三个关键文件
整个项目的核心结构极其简单：
prepare.py——固定不变，负责数据和评估。 train.py——唯一允许 agent 修改的文件。架构、优化器、超参数，agent 随便动。 program.md——人类唯一需要写的文件。给 agent 的高层指令：目标是什么，什么不能碰，怎么判断好坏。
运行协议写得像军令状：
LOOP FOREVER: 1. 检查 git 状态 2. 修改 train.py，尝试新想法 3. git commit 4. 跑实验（严格 5 分钟） 5. 读结果 6. 改善了 → 保留，推进分支 7. 没改善或崩了 → git reset NEVER STOP. 人类可能在睡觉。你是自主的。 没有对话框。没有"请问要继续吗？"。Agent 在 feature branch 上默默干活，改好了就保留，搞砸了就回滚，永远不问、永远不停。
关掉电脑，睡两天：700 次实验
4 天后，Karpathy 又发了一条。
这次更离谱。他说自己离开了大约两天，回来一看——
"the agent did ~700 changes autonomously... All LLM frontier labs will do this. It's the final boss battle."
「agent 自主做了大约 700 次改动……所有 LLM 前沿实验室都会这么做。这是最终 Boss 战。」
2 万个赞。366.7 万人浏览。
配图是一张实验进度折线图：276 次实验，29 次改进被保留，验证损失一路从 0.862 降到 0.854 以下。绿色的 "Kept" 节点像台阶一样，稳稳地把曲线往下踩。
▲ Karpathy 离开两天后的实验结果：~700次改动，验证损失持续下降，"所有前沿实验室都会这么做"（2万赞，366.7万浏览）
然后他补了一句让很多人夜里睡不着的话：
"any metric you care about that is reasonably efficient to evaluate ... can be autoresearched by an agent swarm."
「任何你关心的、能高效评估的指标……都可以交给 agent 集群去自动研究。」
Elon Musk 在底下回了四个字："We are in the Singularity."
从 prompt 到 loop，到底变了什么？
这里有一个关键的认知转变，值得所有还在用 ChatGPT 对话框的人停下来想一想。
Prompt 时代的工作方式：你打开对话框，把上下文粘进去，写一段 prompt，看结果，不满意就再写一段。状态全在聊天窗口里，关掉浏览器就没了。第二天打开，一切重来。
Agent Loop 的工作方式：你写一份规则文件（比如 Karpathy 的program.md），定义目标、边界、验证方式。然后启动 agent，关掉电脑，去睡觉。Agent 在 git 分支上自己跑实验、自己提交、自己用客观指标判断好坏、自己决定保留还是回滚。你醒来看日志，做最终判断。
这里面有几个设计原则已经被反复验证：
Generator 和 Evaluator 必须分开。让同一个模型既写代码又给自己打分，就像让学生自己批改考卷——它会过度乐观，会自我欺骗。Karpathy 用val_bpb（验证损失）做客观裁判；Anthropic 用真实浏览器跑 Playwright 抓 bug。打分的那个角色，永远不能是干活的那个。
状态存磁盘，别塞上下文。把所有东西都粘贴到对话窗口里，就像把全部文件摊在桌上用脑子记——关机就忘，跨天就断。用 git、用 results.tsv、用文件系统，失败可以回滚，进度可以审计。
先做一个，别贪十个。Karpathy 和 Anthropic 都反复强调这一点：先把一个最枯燥、最重复、最容易验证的任务做成 loop。成了，再复制模式做第二个。十个一起上，几乎必崩。
Anthropic 在工程侧给出了完整验证
Karpathy 的 autoresearch 证明了这套思路在科研场景的威力。几乎同时期，Anthropic 在工程博客上发布了一篇详细的 harness 设计文章，把同样的思路推广到了造完整应用这种更混乱的场景。
▲ Anthropic 工程博客《Harness design for long-running application development》，三 agent 架构的完整工程实践
他们设计了一个三角色架构：Planner（把模糊需求扩成完整 spec）、Generator（写代码）、Evaluator（拿真实浏览器走完整流程抓 bug）。每个 sprint，Generator 和 Evaluator 先"谈判"一份 contract——27 条可测试的断言，写完才开工，交付时逐条验收。
质量碾压单 agent 方案。代价？Token 消耗是单 agent 的 20 倍，一个完整应用跑下来 6 小时、$124+。
贵，但管用。而且模型每便宜一轮，这套架构的 ROI 就翻一倍。
与此同时，社区已经开始把这些原则"固化"成可复用的配置文件。一个叫andrej-karpathy-skills的开源项目，把 Karpathy 对 coding agent 痛点的观察浓缩成了一份 CLAUDE.md——装进去，agent 就按这套规则行事。
184K 星。18.9K Fork。
▲ andrej-karpathy-skills 项目：把 Karpathy 的 agent 原则做成可安装的 CLAUDE.md（184K Stars）
这个数字说明了一件事：开发者群体已经在用脚投票。他们想要的，是一套能让 agent 自己可靠跑起来的规则系统，而不再满足于每天手写五十条 prompt。
你的价值，正在上移
回到开头那条病毒帖。文档可能是拼接的，但它喊出的口号几乎完全正确：
Prompt 没有消亡，它降维成了 loop 里的一行指令。
Karpathy 用 autoresearch 亲身示范——人类写program.md管方向，agent 管 700 次实验，metric 管生死。Anthropic 用更复杂的工程实践把这套思路推广到造产品——planner 拆需求，generator 写代码，evaluator 拿真实浏览器验收。无数开发者正在把同样的思想做成 CLAUDE.md、cron job、个人研究实验室。
风向已经变了。
会写 prompt 的人很多。能设计出让 agent 自己可靠跑起来、并且越跑越好的 loop 的人，仍然极度稀缺。
当然，这条路也有明确的边界——harness 目前仍然昂贵，700 次 commit 之后你可能看不懂 agent 到底干了什么，需要高度创造性和主观判断的工作 loop 也搞不定。Karpathy 自己也反复提到March of Nines的问题：agentic workflow 每多一步，整体可靠性指数级下降，从 90% 到 99%，难度天差地别。
但趋势已经不可逆了。
如果你今天想开始：找一个你每天都要重复干、有清晰好坏标准的任务。花两个小时写一份窄的规则文件——目标、边界、怎么验证、失败怎么记录。指向你的 agent 工具，让它跑 10 次，看它在哪里翻车。收紧规则，再放手。
先做一个 loop。一个就够了。