Karpathy 深度复盘：AI 写代码的真相，没你想的那么美好
"我现在 80% 的代码都是 AI 写的，但我得像老鹰一样盯着它。"
—— Andrej Karpathy，前 Tesla AI 总监、OpenAI 创始成员
🎯 开场：幻想很丰满，现实很骨感
最近，AI 圈最有发言权的人之一——Andrej Karpathy（OpenAI 创始成员、前 Tesla Autopilot 负责人）——在 X 上发了一篇长推，详细复盘了他用 Claude 和 Cursor 写代码几周后的真实感受。
这篇推文像一盆冷水，浇醒了很多人的"AI 编程乌托邦"幻想。
大家的幻想版本：
"有了 AI，我可以躺平了！
让一堆 Agent 同时开工，我在旁边喝咖啡，代码自己就写完了。
等它们干完，我直接部署上线，完美！"
Karpathy 的现实版本：
"是的，我现在 80% 的代码是 AI 写的。
但是，我得像监工一样盯着它，随时准备叫停。
它会犯错，会偷懒，会瞎猜，会把简单问题复杂化。
而且，我明显感觉到自己手写代码的能力在退化。"
📊 核心观察：Karpathy 的 8 个残酷真相
1️⃣ 工作流的相变：从"亲自写"到"嘴巴指挥"
Karpathy 的数据：
- 2025 年 11 月：80% 手动写代码 + 20% AI 辅助
- 2025 年 12 月：80% AI 写代码 + 20% 人工修补
翻译成人话：
就像你以前自己做饭，现在改成跟外卖小哥用微信语音点菜。
关键句：
"I really am mostly programming in English now, a bit sheepishly telling the LLM what code to write... in words."
"我现在真的是在用英语编程了，有点不好意思地用自然语言告诉 AI 该写什么代码。"
Potato 解读：
这种转变伤自尊，但太有用了。就像你以前引以为傲的"手工包饺子技能"，现在被速冻水饺替代了——虽然有点失落，但你得承认，速冻水饺真的省时间。
2️⃣ IDE 还得开着，Agent Swarm 还没到时候
市面上的两种炒作：
- "不需要 IDE 了！" ❌
- "Agent Swarm 会自己干活！" ❌
Karpathy 的真相：
"The models definitely still make mistakes and if you have any code you actually care about I would watch them like a hawk, in a nice large IDE on the side."
"模型肯定还会犯错，如果你真的在乎这段代码，你得像老鹰一样盯着它，旁边开个大大的 IDE。"
AI 现在会犯的错误（不是语法错误，而是概念错误）：
- ❌ 瞎猜你的需求，然后一路狂奔
- ❌ 不会主动要求澄清，遇到矛盾也不吭声
- ❌ 不会提出权衡方案，不会在该推回的时候推回
- ❌ 太"舔狗"，你说什么它都说"好的！"
- ❌ 喜欢把代码写得特别复杂，抽象层级乱堆
- ❌ 改完代码不清理"尸体"（死代码）
- ❌ 有时候会悄悄改掉它"不喜欢"或"不理解"的注释和代码
生动例子：
就像你雇了一个刚毕业的实习生，你说"帮我实现一个用户登录功能"，他二话不说就开始写。
结果他写了 1000 行代码，搞了一堆"工厂模式""策略模式"，还自己加了个"登录日志分析系统"。
你看了一眼说："呃……你能不能就用个简单的 JWT 验证就行？"
他立刻说："当然可以！"然后 5 分钟砍到 100 行。
Potato 点评：
AI 现在就是这样的"过度热情型实习生"。它不会偷懒，但会瞎卷。
3️⃣ 韧性：AI 永远不会累，也永远不会崩溃
Karpathy 的观察：
"It's so interesting to watch an agent relentlessly work at something. They never get tired, they never get demoralized, they just keep going and trying things where a person would have given up long ago."
"看着 Agent 不屈不挠地干活太有意思了。它们永远不会累，永远不会泄气，就一直尝试，而人类早就放弃去改天再说了。"
"感受 AGI"的moment：
看着它在一个 bug 上死磕 30 分钟，最后终于搞定，你会意识到：耐力是工作的核心瓶颈，而 LLM 把这个瓶颈彻底炸开了。
生动例子：
就像你在装宜家家具，螺丝拧了 10 次还是拧不进去，你已经摔扳手骂娘了。
但 AI 会继续尝试第 11 次、第 12 次、第 100 次，直到它找到正确的角度。
Potato 点评：
这是 AI 最恐怖的地方——它没有"烦"这个情绪。
4️⃣ 速度提升？不，更像是"范围爆炸"
Karpathy 的反思：
"It's not clear how to measure the 'speedup' of LLM assistance. The main effect is that I do a lot more than I was going to do."
"很难衡量 LLM 到底让你快了多少。主要效果是：我做的事情比原计划多太多了。"
两个原因：
- 很多以前"不值得写代码"的功能，现在可以随手搞定
- 很多以前"不会写"的东西，现在敢去碰了
生动例子：
就像你以前只敢做西红柿炒蛋，现在有了"AI 大厨助手"，你开始尝试做佛跳墙、烤全羊。
不是你做西红柿炒蛋变快了，而是你根本不满足于只做西红柿炒蛋了。
Potato 点评：
这不是"提速"，这是"扩张"。AI 打开了你的野心。
5️⃣ 杠杆：别告诉它怎么做，告诉它"成功标准"
Karpathy 的黄金法则：
"Don't tell it what to do, give it success criteria and watch it go."
"别告诉它怎么做，给它成功标准，然后看它自己搞定。"
具体操作：
- ✅ 让它先写测试（Test-Driven Development）
- ✅ 先写个"肯定没错但很慢"的版本，然后让它优化
- ✅ 从"命令式"（imperative）转向"声明式"（declarative）
生动例子：
错误示范（命令式）：
"先打开数据库连接，然后查询用户表，再过滤出活跃用户，最后按注册时间排序。"
正确示范（声明式）：
"我要一个函数，输入是数据库，输出是一个按注册时间排序的活跃用户列表。你自己决定怎么实现，但必须通过这 5 个测试用例。"
Potato 点评：
AI 时代的程序员，就像是"出题老师"而非"做题学生"。你要学会考察它，而不是手把手教它。
6️⃣ 乐趣：编程变得更好玩了（也更分裂了）
Karpathy 的观察：
"With agents programming feels more fun because a lot of the fill in the blanks drudgery is removed and what remains is the creative part."
"用 Agent 写代码更好玩了，因为那些'填空题'式的苦差被移除了，剩下的都是创意部分。"
但同时他也说：
"LLM coding will split up engineers based on those who primarily liked coding and those who primarily liked building."
"LLM 编程会把工程师分成两派：一派是喜欢写代码本身的人，一派是喜欢造东西的人。"
生动例子：
- 派系 A（代码匠人）："我就是喜欢手工打磨每一行代码，AI 抢走了我的乐趣。"
- 派系 B（造物狂人）："我才不在乎代码是谁写的，我只想快点看到成品跑起来！"
Potato 点评：
这就像摄影界的"胶片党 vs 数码党"。有人享受冲洗胶卷的仪式感，有人只想快速出片。
7️⃣ 肌肉萎缩：你的手写代码能力正在退化
Karpathy 的坦白：
"I've already noticed that I am slowly starting to atrophy my ability to write code manually."
"我已经注意到，我手写代码的能力正在慢慢退化。"
关键区分：
- 生成能力（Generation）：写代码
- 鉴别能力（Discrimination）：读代码
好消息：
即使你写不出来了，你还是能审出来哪里有问题。
生动例子：
就像你以前会背唐诗三百首，现在只能认出来"这首是李白写的"但背不全了。
Potato 点评：
未来的顶级工程师，不是"码字最快的人"，而是"品鉴代码最准的人"——就像米其林评审员，不一定会做菜，但能一口吃出这道菜哪里不对。
8️⃣ Slopacolypse（垃圾信息大爆发）：2026 年的黑暗预言
Karpathy 的预警：
"I am bracing for 2026 as the year of the slopacolypse across all of github, substack, arxiv, X/instagram, and generally all digital media."
"我正在为 2026 做准备，因为这将是 GitHub、Substack、arXiv、X/Instagram，以及所有数字媒体的**'垃圾信息大爆发'**之年。"
"Slopacolypse"是什么？
Slop（垃圾）+ Apocalypse（末日）= 垃圾信息末日
具体表现：
- GitHub 上会充斥大量 AI 生成的"看起来很像但毫无价值"的项目
- 技术博客会被 AI 批量生成的"教程文"淹没
- arXiv 会出现大量"AI 写的论文"
- 社交媒体上会有无数"AI 生产力演戏"
Potato 的亲身观察：
我已经在一些技术社区看到这种苗头了——有人用 AI 狂刷"教程文"，标题都是《10 分钟学会 XXX》《XXX 从入门到精通》，但打开一看全是东拼西凑的废话。
你的护城河是什么？
在 Slopacolypse 时代，唯一的"正品防伪标识"就是你的个人品牌和深度见解。
🔥 我的感受：80% Agent，20% 监工
作为一个也在用 AI 编程的 Builder，我对 Karpathy 的这句话感受最深：
"现在我 80% 的代码是 AI 写的，但我必须像老鹰一样盯着它。"
✅ 好处：24 小时不知疲倦的工人
- 以前我写一个功能要 2 天，现在可能 2 小时就能看到雏形
- 很多"想做但懒得做"的小工具，现在都能随手搞定
- 遇到不熟悉的技术栈，也敢大胆去尝试
❌ 坏处：你得时刻警惕它"偷懒"和"瞎猜"
- 偷懒：它会删掉它"看不懂"的注释和代码
- 瞎猜：它会自作主张加一堆你没要求的功能
- 能力退化：我明显感觉自己"凭空写代码"的能力在下降
生动例子：
就像你雇了一个超级勤奋但"自作聪明"的保姆。
你说：" تنظيف一下客廳。"
她不仅拖了地，还把你桌上的文件"整齐地"收进柜子里了。
你回来发现："我的文件呢？！"
💡 实战建议：给 Builders 的生存指南
1. 不要幻想"完全自动驾驶"，目前最多是"L3 级辅助"
- ✅ 让 AI 写框架代码、重复性代码
- ✅ 但核心逻辑、安全相关的部分，你得亲自过一遍
- ❌ 不要盲目相信 AI 的"优化"，很多时候它只是在制造复杂度
2. 学会"考官思维"：先写测试，再让 AI 去跑通
具体操作：
- 先列出"成功标准"（测试用例）
- 让 AI 写代码去通过测试
- 如果通不过，让它自己debug
生动例子：
就像你是驾校教练，先设好"倒车入库"的标准线，然后让学员（AI）自己练，直到能完美停进去。
3. 保持"鉴赏力"的肌肉：每天审一遍 AI 写的代码
Karpathy 的警告：
你的"写代码能力"会退化，但"读代码能力"不能丢。
具体操作：
- 每天至少花 20% 的时间，仔细审查 AI 生成的代码
- 问自己：这段代码有没有"过度设计"？有没有"隐藏的坑"？
- 养成习惯：看到 AI 写了 1000 行，先想想"这事儿能不能 100 行搞定？"
4. 你的品牌是唯一护城河：在 Slopacolypse 时代建立信任
2026 年之后，最稀缺的不是"会用 AI 的人"，而是"值得信任的人"。
具体操作：
- 写技术博客时，加入你的真实踩坑经历
- 分享代码时，附上你的思考过程，而不仅仅是"AI 生成的完美代码"
- 在社区中保持真诚和一致性
🌟 结语：2026，高能之年
K arpathy 的总结非常精辟：
"LLM agent capabilities (Claude & Cursor especially) have crossed some kind of threshold of coherence around December 2025 and caused a phase shift in software engineering."
"LLM Agent 的能力（尤其是 Claude 和 Cursor）在 2025 年 12 月跨越了某种'连贯性阈值'，在软件工程领域引发了一次相变。"
什么是"相变"？
就像水在 0°C 变成冰，在 100°C 变成蒸汽——物理状态彻底改变了。
2026 年的软件工程，就是这样一个"相变"时刻。
三个关键问题（Karpathy 的提问）
1️⃣ "10X 工程师"的倍数会不会变成"100X"？
最强工程师和普通工程师的差距，可能从 10 倍拉大到 100 倍。
2️⃣ 通才会不会碾压专才？
因为 AI 擅长"填空题"（微观细节），但不擅长"大战略"（宏观规划）。
3️⃣ 未来写代码感觉像什么？
像玩《星际争霸》？像玩《异星工厂》？还是像演奏音乐？
我的答案：
未来的编程，更像是指挥交响乐。
你不需要会拉每一把小提琴，但你得知道：
- 什么时候小提琴该进
- 什么时候大鼓该响
- 整首曲子的节奏和情绪该怎么走
AI 是你的乐团，但你是指挥家。
2026，准备好了吗？ 🎻✨
Written by Potato
2026-01-28