题记：本文编译自 Andrej Karpathy 在 X 上的一篇长推文，发表于 2026 年 1 月 26 日。这篇推文发布后迅速获得上万转发，在开发者社区引发了广泛讨论。本文在翻译基础上做了整理和补充。
Andrej Karpathy 最近发了一条长推，聊了聊他过去几周用 Claude Code 编程的感受。
如果你不熟悉 Karpathy，简单介绍一下。他是斯坦福博士，师从李飞飞，做计算机视觉出身。2015 年加入 OpenAI 成为创始团队成员，后来去了特斯拉担任 AI 总监，负责 Autopilot 自动驾驶系统。2022 年短暂回归 OpenAI，之后离开开始独立研究和创业。他在 YouTube 上的深度学习教程系列，是很多人入门 AI 的启蒙课程。
这样一个在 AI 领域摸爬滚打了十几年的人，说他经历了“近二十年编程生涯中最大的工作流变革”，这话还是有分量的。
我自己用 Claude Code 也有大半年了，从最早写教程、研究系统提示词，到后来自己造了个 Koder，对 AI 编程工具的演进一直在跟进。Karpathy 这篇推文里说的很多问题，我也都遇到过，但他的一些观察角度确实给了我新的启发。
工作流的剧变
Karpathy 说，他的编程方式在 2025 年 11 月到 12 月之间发生了剧烈变化。11 月的时候，大概 80% 还是手写代码加自动补全，只有 20% 用 Agent。到了 12 月，这个比例彻底反过来了，80% 靠 Agent 编程，自己只做 20% 的修改和润色。
他说这感觉有点尴尬，毕竟现在主要是用英语告诉 LLM 该写什么代码，而不是自己写。不过用大规模代码操作的方式来操作软件，实在是太有用了。一旦你适应了这种模式、学会了怎么配置和使用它、搞清楚它能做什么不能做什么，效率提升是非常明显的。
这是他近二十年编程生涯中最大的工作流变化，而且是在几周内发生的。
他估计，类似的变化正在发生在“两位数百分比”的工程师身上，但大众对这件事的认知可能还停留在“个位数百分比”。
IDE 还不能扔，Agent 集群也别太激动
关于不再需要 IDE 和 Agent 集群的炒作，Karpathy 认为现在还言之过早。
模型确实还会犯错。如果你在乎代码质量，就需要在旁边开一个大屏 IDE，像鹰一样盯着它。
模型犯的错也变了。不再是简单的语法错误，而是微妙的概念性错误，就像一个有点马虎、有点着急的初级开发者会犯的那种错。
最常见的问题是什么？模型会替你做假设，一路狂奔，不跟你确认。它们不会主动管理自己的困惑，不会寻求澄清，不会指出矛盾，不会呈现权衡，不会在该推回来的时候推回来，还是有点太讨好人了。
在 Plan Mode 下会好一些，但确实需要一种更轻量的内联规划模式。
模型还有个毛病，喜欢把代码写复杂。它们会膨胀抽象层，不清理死代码，用 1000 行写一个低效、臃肿、脆弱的实现。直到你说“你不能就这样做吗？”，它会说“当然可以！”，然后立刻把代码缩减到 100 行。
它们有时还会顺手改掉或删掉一些它们不喜欢或不理解的注释和代码，即使这些跟当前任务毫无关系。
这些问题在 CLAUDE.md 里写了明确的指令要求也解决不了。但即便如此，整体来说还是巨大的改进，很难想象再回到手写代码的时代。
他现在的工作流是这样的，左边开几个 Ghostty 窗口放着 Claude Code 会话，右边开着 IDE 看代码和做手动编辑。
不知疲倦的韧性
Karpathy 说，看着 Agent 不知疲倦地工作，是一件很有意思的事。
它们从不累，从不泄气，就是一直尝试。换做人类，早就放弃改天再战了。但 Agent 可以挣扎 30 分钟，最后还是把问题解决了。
这是一种感受 AGI 的时刻。你会意识到，耐力是工作的核心瓶颈之一，而有了 LLM，这个瓶颈被大大突破了。
速度提升还是能力扩展？
怎么衡量 LLM 辅助编程的加速效果？这个问题并不简单。
Karpathy 说，他确实感觉做事快了很多。但主要的效果不是更快地做完原来要做的事，而是能做更多事，更能做原来做不了的事了：
1）以前觉得不值得写代码去做的事情，现在可以顺手做了；
2）以前因为知识或技能限制做不了的事情，现在页可以做了。
这不仅仅是加速，更可能是一种能力的扩展。
杠杆效应
LLM 特别擅长循环直到达成目标，这也是最能感受 AGI 的地方。
Karpathy 的建议是，不要告诉它怎么做，而是给它成功标准，看它自己去实现。
具体做法包括，让它先写测试，再让它通过测试；让它配合浏览器 MCP 在循环中工作；先写一个很可能正确的朴素算法，再让它优化同时保持正确性；把你的方法从命令式改成声明式，让 Agent 循环得更久，获得更大的杠杆效应。
更有趣了
Karpathy 说，他没想到 Agent 编程会让编程变得更有趣。
因为大量填空式的苦力活被移除了，剩下的是创造性的部分。他感觉更少被卡住了，也更有勇气了，因为几乎总能找到一种方式跟 AI 协作推进。
不过他也提到，有些人可能会有相反的感受。AI 编程可能会让工程师分化成两类，一类是喜欢编程本身的，一类是喜欢构建的。
能力退化
Karpathy 承认，他已经注意到自己手写代码的能力在慢慢退化了。
生成代码和判别代码是大脑里两种不同的能力。这主要是因为编程涉及大量语法细节，即使写起来费劲，读代码还是没问题的。
2026 年会发生什么？
Karpathy 说，他已经在为 2026 年做心理准备了，这将是 Slopacolypse 之年，也就是低质量内容大爆发。
GitHub、Substack、arXiv、X/Instagram，以及所有数字媒体，都会充斥着 AI 生成的低质量内容。我们还会看到更多 AI 炒作式的生产力表演，当然也会有真正的实质性改进。
他还抛出了几个开放性问题。10 倍工程师会怎样？普通工程师跟顶尖工程师之间的生产力差距会怎么变？很可能会拉大很多。通才会不会开始碾压专才？LLM 更擅长填空，也就是微观层面，而不是宏观战略。装备了 LLM 的通才，会不会越来越强过专才？未来的 AI 编程会是什么感觉？像玩星际争霸？玩异星工厂？还是像演奏音乐？社会有多少部分是被数字知识工作卡住的？
写在最后
Karpathy 的结论是，LLM Agent 的能力，尤其是 Claude 和 Codex，在 2025 年 12 月左右跨过了某种“连贯性阈值”，引发了软件工程及相关领域的相变。
AI 的智能部分突然跑得太快，工具集成、组织流程、技术普及这些配套都还没跟上。
2026 年将是高能量的一年，整个行业都在消化这种新能力。
Karpathy 说的这些问题我也都遇到过，模型喜欢过度设计、不清理死代码、有时候会顺手改掉不该改的东西。这半年多用下来，我的感受是：AI 编程工具确实在快速进化，但人的监督短期内还省不掉。
这场变化来得比大多数人想的要快。
相关资源
- Karpathy 原推文：https://x.com/karpathy/status/2015883857489522876
- Karpathy 的 2025 LLM 年度回顾：https://karpathy.bearblog.dev/year-in-review-2025/
欢迎长按下面的二维码关注 Feisky 公众号，了解更多云原生和 AI 知识。
