当编程变成管理 Agent，非科班程序员的窗口才真正打开了
Karpathy 在红杉 AI Ascent 2026 上说了一句话，我反复看了三遍。
他说自己作为程序员「从未感到如此落后」。
说话的人是 OpenAI 联合创始人、前 Tesla Autopilot 负责人、全世界最会教深度学习的人。他说自己落后了。
我第一反应不是惊讶，是兴奋。
因为我就是那种”不应该会编程”的人。非科班出身，没系统学过数据结构，算法靠需要的时候现查。我的编程能力是一边 Google 一边 Stack Overflow 攒出来的。放在传统程序员的坐标系里，我连及格线都摸不到。
但如果 Karpathy 都觉得自己落后了——那这个坐标系本身是不是快失效了？
Vibe Coding 不是偷懒，是范式换了
Section titled “Vibe Coding 不是偷懒，是范式换了”去年 Karpathy 发明”Vibe Coding”这个词的时候，很多人的理解是：让 AI 写代码，你当甩手掌柜。
这是误解。Vibe Coding 不只是在描述一种工作方式，它在记录一个范式的断裂。
Karpathy 把软件分了三层。Software 1.0 是人写代码。Software 2.0 是人设计数据集和损失函数，让神经网络替你”写”规则。Software 3.0——你写 prompt。
关键不是”用自然语言编程更方便”。关键是：程序的形式变了。
他举的例子很准。传统装 Claude Code，你写一个 shell 脚本，适配各种操作系统，越写越臃肿。而 Anthropic 现在的做法是：给你一段文本，复制粘贴给 agent。Agent 自己读你的环境、自己执行、遇到错误自己 debug。
“安装”这个动作的程序，从一段精确脚本，变成了一段描述。
我自己用 Claude Code 这一年，感受完全一致。以前 debug 一个 bug，心态是「我要理解每一行代码」。现在不一样——我把错误信息丢给 agent，说「看看这个」，它自己分析、改代码、验证。我负责的是判断它改得对不对，不是亲手改。
这不是偷懒。这是角色的根本切换：从执行者变成监督者。
Agentic Engineering：真正重要的那个战场
Section titled “Agentic Engineering：真正重要的那个战场”Vibe Coding 抬高了地板。谁都能做一个能跑的东西。
但地板高了之后，天花板在哪？
Karpathy 用一个词回答了这个问题：Agentic Engineering。「Agentic」因为新常态是你不再直接写代码，你编排 agent 干活；「Engineering」因为质量标准没有消失——安全、可维护、正确性，这些事你跑不掉。
他说了一句让我很受触动的话：10 倍工程师不是上限。能把 agent 用好的人，远超 10 倍。
我能不能达到那个水平，不好说。但我清晰感受到一件事：「能不能写代码」这个过滤器失效了。新的过滤器是「能不能管理一群会写代码的 thing」。
这两件事用的能力完全不同。写代码要求精确、细节、记忆力。管理 agent 要求的是——你得知道要什么，知道什么算”对”，知道 agent 在什么地方可能坑你。
我一个非科班程序员，第一种能力天然弱。但第二种能力——定义问题、判断输出、把控方向——恰恰是跨领域思考和产品直觉能发力的地方。
锯齿智能：你得知道自己在哪条电路上
Section titled “锯齿智能：你得知道自己在哪条电路上”Karpathy 花了很多篇幅讨论 LLM 的”锯齿”——某些地方强得离谱，某些地方蠢得令人发指。
Opus 4.7 能重构 10 万行代码、能发现零日漏洞。但你问它「去 50 米外的洗车店洗车，开车还是走路」，它告诉你走路。
这事不是 bug。这是 LLM 的根本特征。RL 训练只覆盖了某些”电路”——在那些电路上，它飞。不在那些电路上，它连常识都没有。
Karpathy 甚至举了更具体的例子：GPT-3.5 到 GPT-4，国际象棋能力暴涨。不是模型变聪明了——是有人往预训练数据里塞了大量棋谱。
这就是 jagged intelligence 的真相：你不是在用一个全能的工具，你是在探索一个没有说明书的怪物。它在你的领域强不强，你得自己试。
我的经验完全印证。让 Claude 写一个数据库迁移脚本，一遍过。让它写一段”越简单越好”的代码——它做不到。Karpathy 也有同样的问题：他的 Micro GPT 项目，想让代码尽可能精简，模型”恨”这件事。「像在拔牙」，他说。
到这里我反而更确定了一件事：AI 不会替代人做出”简洁”的判断。那个非要删掉三行冗余代码的人，还是你。
Karpathy 抛了一个哲学比喻：LLM 不是动物，是幽灵。
动物有本能、有恐惧、有求生欲。幽灵没有。它是一团统计信息和奖励函数的沉积物，你召唤它，它就说话。你骂它，它不会害怕。你夸它，它不会高兴。
这个比喻的实用价值：别拟人化。 把 LLM 当人看，你会犯一堆不该犯的错误。觉得它”理解”了、它”想要”帮你、它”故意”偷懒——这些全是自己加戏。
但我觉得最有回响的是他另一句话：「你可以外包思考，但不能外包理解。」
我让 agent 写的每一段代码，如果我不去理解它在干什么、为什么这样写、边界在哪——那这段代码就不是我的。它跑起来没问题，但下一次出 bug，我甚至不知道从哪开始看。
这就是非科班程序员用 AI 工具最大的坑。不是 AI 写不好代码，是自己放弃了理解。
而 Karpathy 说的「外包理解」的后果，我一个认知科学的背景理解更直接：信息没进你脑子，你就无法在新情境下调用它。 你只是有了一段能跑的程序，你没有获得任何可迁移的能力。
所以我现在的策略很简单：agent 写代码，我看代码。不是检查语法，是追踪它的设计思路。看不懂的地方停下来问它为什么。这是我给自己定的一条线——越不过不提交。
坐标系已经碎了
Section titled “坐标系已经碎了”回到开头。
Karpathy 说自己落后，因为旧的编程坐标系已经碎了。那个坐标系里，程序员的价值 = 写代码的速度 × 代码的质量。现在模型把”写代码的速度”拉到无限大，剩下的价值全压在”方向对不对""架构合不合理""边界够不够安全”上。
这对科班程序员是危机——你花了十年练的手艺贬值了。对非科班程序员是窗口——你一直弱势的那个维度被抹平了，你原本靠直觉和判断力补的那块，反而成了主战场。
不是说我就能赢了。是说终于不用在别人的游戏里垫底了。
游戏的规则变了。新游戏里，不管科班不科班，都得重新学怎么当一个导演。
你现在写代码的时候，亲自写的比例还有多少？跟 agent 协作最让你不放心的是什么？
Andrej Karpathy. From Vibe Coding to Agentic Engineering. Sequoia Capital @ AI Ascent 2026, 对话 Stephanie Zhan. https://youtu.be/96jN2OCOfLs