Claude Coding Notes (2026-01)
编译摘要
1. 浓缩
-
核心结论1: AI 辅助编程在 2025 年 12 月发生"相变"，工作流从 80% 手动编码转变为 80% agent 编码（用英语编程），这是 Karpathy 20 年编程生涯最大的工作流变革
- 关键证据: "This is easily the biggest change to my basic coding workflow in ~2 decades of programming and it happened over the course of a few weeks"
-
核心结论2: 模型仍存在显著局限性——不再犯语法错误，而是犯"概念性错误"（类似粗心初级开发者），过度复杂化代码、不清理死代码、过于迎合用户、不寻求澄清
- 关键证据: "They will implement an inefficient, bloated, brittle construction over 1000 lines of code and it's up to you to be like 'umm couldn't you just do this instead?'"
-
核心结论3: Agent 的核心优势是"韧性"（Tenacity）——永不疲劳、永不气馁，能持续尝试直到成功；杠杆来自"声明式"而非"命令式"的指令方式
- 关键证据: "It's a 'feel the AGI' moment to watch it struggle with something for a long time just to come out victorious 30 minutes later"
-
核心结论4: 这次相变带来的不只是 speedup，而是 work expansion：开发者会去做原本不值得做、不会做或不敢碰的代码工作。
- 关键证据: Karpathy 明确说速度提升很难衡量，主要效果是自己会做更多原本不会做的事；这说明 AI Coding 的组织影响不只是节省时间，也会扩大需求、实验和代码变更总量。
2. 质疑
- 关于"结论1"的质疑: 工作流转变的前提是用户已配置好 Agent 环境（CLAUDE.md、工具集成），且能接受"用英语编程"的心理落差；对未适应的用户，这可能不是改进而是混乱
- 关于"结论2"的质疑: 模型局限性是否可通过更好的 prompt/instruction 解决？Karpathy 提到"All of this happens despite a few simple attempts to fix it via instructions in CLAUDE.md"，说明简单指令无效，但系统化 instruction engineering 可能改善
- 关于数据可靠性的质疑: 这是 Karpathy 个人体验，非量化研究；样本量为 1，推广到"double digit percent of engineers"需更多证据
3. 对标
- 跨域关联1: Agent Tenacity 类似科学实验中的"反复试错"（Trial-and-error），区别是 Agent 不受情绪影响——跨域到心理学，揭示"韧性"可能是人类工作瓶颈而非智力
- 跨域关联2: Slopocalypse 预警类似工业革命初期对"劣质产品泛滥"的担忧——历史模式：新技术降低门槛 → 初期质量下降 → 标准/规范建立 → 质量回升