Karpathy：从Vibe Coding转向Agentic Engineering

Andrej Karpathy 是 AI 领域的关键人物，他公开阐述了自己在 AI 辅助软件开发方法上的重大转变。这一转变摒弃了他所称的"vibe coding"（氛围编程），转向"agentic engineering"（智能体工程），代表了专业人士与 AI 工具交互方式的一个关键拐点。本文深入探讨了 Karpathy 18 个月以来的思想演进，详细记录了从随意 AI 提示到更加严谨、规范化方法论的转变。andrej karpathy retires vibe coding agentic 的出现，标志着人们对 AI 在复杂软件创作中角色的理解正走向成熟。

'Vibe Coding' 的诞生

2025 年 2 月，Andrej Karpathy 在 X 上首次提出了"vibe coding"概念。这一术语描述了一种新兴实践：对 AI 生成的代码保持最低程度的审视，通过将错误信息反馈给 AI 模型进行迭代，优先考虑快速原型而非深入探究底层实现。Karpathy 本人就是这一趋势的典型代表，他在 2025 年 12 月指出，自己 80% 的代码已由 AI 生成。这种快速采用和业界对"vibe coding"的广泛认可，突显了它在降低 AI 辅助开发准入门槛上的直接影响力，甚至让没有传统编程背景的人也能上手。

这不是 Karpathy 第一次创造能够捕捉重大技术转变的短语。他在 2017 年提出的"Software 2.0"概念（发表于 Medium）认为，神经网络是一种新的编程底层，开发者定义的是期望结果而非显式指令。2023 年 9 月，他进一步扩展了这一框架，将大语言模型描述为不仅仅是对话机器人，而是新型操作系统的核心进程，上下文窗口充当 RAM，智能体充当长期运行的进程。这些概念标签每一个都在业界广泛命名之前就已经提出，有效地压缩了下一波创新到来的时间线。

StartupHub.ai 的数据反映了这一动态变化，显示 AI 开发者工具公司数量显著增长——这个类别在 Karpathy 首次讨论"Software 2.0"时还处于萌芽期。当前的格局（许多公司仍处于 Seed 阶段）与 Karpathy 对 vibe coding 阶段无结构性质的观察一致，需求超过了正式的工具和规范。

拐点：从氛围到验证

2025 年 12 月宣布自己 80% 的代码由 AI 生成，这标志着 Karpathy 的一个质的转折点。这个数字不是预测，而是对他实际工作流程的描述。他将这一时期定义为"智能体编程的拐点"，此时 AI 生成的代码块已经变得足够大且连贯，主要挑战从 AI 处理任务的能力转变为人类大规模验证其输出的能力。在这个节点上，Karpathy 指出他已经不记得上一次在任务中途手动纠正 AI 方向是什么时候了。

这一区分对于区分"vibe coding"和"agentic engineering"至关重要。Vibe coding 广泛接受 AI 输出，便于快速原型和更广泛的 접근性。相反，agentic engineering 的基本前提是 AI 智能体是"会犯错且具有随机性的"，正如 Karpathy 在 2026 年 4 月红杉资本 AI Ascent 活动上所述。这要求在开发的每个阶段都进行专业监督。虽然工具看起来相似，但underlying的纪律要求却截然不同。到 2026 年 2 月，业界出版物已经开始将这一转变描述为 Karpathy 最初定义的随意阶段的自然继承者。

Agentic Engineering 的定义：一门专业学科

在红杉 2026 AI Ascent 大会上，Karpathy 提供了他对 agentic engineering 最全面的定义。在随后的一篇博客总结中，他将 agentic engineering 描述为"在保持正确性、安全性、品控和可维护性的同时，协调有缺陷的智能体的专业学科"。他尖锐地将此与 vibe coding 对比："Vibe coding 提高了下限。Agentic engineering 是为了 extrapolation 上限。"他进一步指出，对于精通这一新学科的人来说，生产力的基准可能远远超过通常所说的"10x 工程师"，峰值可能更高。

Karpathy 概述了定义这一职业道路的四个关键实践：

详细规格说明：在与 AI 智能体交互之前编写全面的规格说明。

批判性审查：严格审查智能体生成的代码变更（diffs），检查正确性和安全漏洞。

自动化评估：设计强大的评估循环以检测回归并确保持续质量。

权限管理：在整个代码库中有效管理 AI 智能体权限。

他强调"Eval design"（评估设计）是即使在向 agentic 工作流程过渡的有经验工程师中最常见的能力短板。这种对结构化评估和监督的关注是 andrej karpathy case agentic engineering 2026 叙事的关键，强调了向更可预测和可靠 AI 集成的迈进。

前路：加入 Anthropic

在红杉演讲六周后，2026 年 5 月 19 日，Karpathy 宣布了他在 Anthropic 领导预训练研究的新角色，在 Nick Joseph 手下工作。他的公告引起了广泛关注，获得了 148,000 个赞和超过 7,800 条回复。他对前沿模型训练阶段——这一塑造其核心推理和知识的过程——的关注，是他关于 agentic engineering 论点的结构性延伸。AI 智能体能达到的上限从根本上取决于预训练的质量，而他现在正深度参与这一领域。

Karpathy 从"忘记代码的存在"到"协调有缺陷的智能体的专业学科"的 18 个月历程，反映了行业当前的演进阶段。易于 접근 的"下限"已经通过随意的 AI 辅助得到提升，而专业的"上限"现在正由深入理解当前 AI 智能体能力和局限性的实践者来定义。他在 Anthropic 的新角色——塑造未来的训练，这将决定未来智能体能处理什么——使他能够影响这个上限的定义。agentic engineering 是否会巩固为正式的职位头衔，还是仅仅成为 2028 年软件工程的新标准，还有待观察，但 Karpathy 目前的工作对于回答这个问题至关重要。

有关 AI 演变及其对开发影响的更多见解，可以探索详细分析，例如 PDF 格式的资料，包括 AI 开发者工具的综合概述和 AI 对创业生态系统影响的深入探讨。

tags: ai, andrej karpathy, agentic engineering, vibe coding, software development, artificial intelligence, machine learning