Sequoia's AI Ascent 2026 में, Andrej Karpathy — OpenAI के सह-संस्थापक, पूर्व Tesla AI निदेशक, और Eureka Labs के संस्थापक — ने एक आश्चर्यजनक स्वीकारोक्ति के साथ शुरुआत की: उन्हें कभी भी प्रोग्रामर के रूप में इतना पीछे कभी महसूस नहीं हुआ। ऐसा इसलिए नहीं कि उनकी स्किल्स चली गई हैं, बल्कि इसलिए क्योंकि AI-संचालित कोडिंग टूल्स प्रोग्रामिंग के अर्थ को इतनी तेजी से बदल रहे हैं कि कोई भी तालमेल नहीं बैठा पा रहा।
Karpathy ने इस बदलाव को समझने के लिए एक तीन-चरणीय फ्रेमवर्क प्रस्तुत किया: vibe coding, agentic engineering, और Software 3.0। यह सॉफ्टवेयर डेवलपमेंट के भविष्य की दिशा — और कौन सी स्किल्स सबसे महत्वपूर्ण होंगी — के लिए अब तक का सबसे स्पष्ट मानसिक मॉडल है।
मुख्य सीख
Vibe coding से कोई भी प्रॉम्प्ट्स के साथ बना सकता है। Agentic engineering से प्रोफेशनल्स AI एजेंट्स के साथ क्वालिटी बनाए रखते हुए बना सकते हैं। Software 3.0 वह समय है जब न्यूरल नेटवर्क्स प्रोग्रामिंग लेयर खुद बन जाते हैं। हम अभी phase 1 से phase 2 की ओर संक्रमण कर रहे हैं।
Vibe Coding क्या है?
Vibe coding Karpathy का शब्द है वर्तमान चरण के लिए जहां कोई भी — तकनीकी हो या न हो — प्राकृतिक भाषा में वर्णन करके सॉफ्टवेयर बना सकता है। आप AI से कहते हैं "मुझे एक लैंडिंग पेज बनाओ जिसमें हीरो सेक्शन, प्राइसिंग टेबल, और साइनअप फॉर्म हो" और यह काम करने वाला कोड जेनरेट कर देता है।
Vibe coding ने फर्श को ऊंचा कर दिया। अब एक प्रोडक्ट मैनेजर ऐप प्रोटोटाइप बना सकता है। एक डिजाइनर फंक्शनल वेबसाइट बना सकता है। एक छात्र वास्तविक समस्या हल करने वाला टूल बना सकता है। बनाने की बाधा "कोडिंग के सालों के अनुभव" से घटकर "जो आप चाहते हैं उसका वर्णन करने की क्षमता" हो गई।
Vibe coding को सक्षम करने वाले टूल्स: Cursor, Bolt, v0, Replit, और कुछ हद तक ChatGPT और Claude कोड जेनरेशन के साथ।
सीमा: Vibe coding ऐसा कोड बनाता है जो काम करता है, लेकिन अक्सर सूक्ष्म डिजाइन दोषों के साथ। Karpathy का उदाहरण: एक AI-जेनरेटेड ऐप जो Stripe पेमेंट्स को Google अकाउंट्स से ईमेल एड्रेस के जरिए मैच करता था बजाय पर्सिस्टेंट यूजर IDs के। कोड ठीक चलता था। आर्किटेक्चर गलत था। जूनियर डेवलपर को यह नजर नहीं आता। अनुभवी डेवलपर तुरंत पकड़ लेता।
यही Karpathy "jagged intelligence" कहते हैं — AI की क्षमता समान रूप से वितरित नहीं है। मॉडल्स उन क्षेत्रों में तेज चढ़ते हैं जहां ट्रेनिंग डेटा, रिवॉर्ड्स, और वेरिफिकेशन लूप्स मौजूद हैं, और अन्य में अप्रत्याशित रूप से फेल हो जाते हैं।
Agentic Engineering क्या है?
Agentic engineering अगला चरण है — प्रोफेशनल-क्वालिटी डेवलपमेंट के लिए AI एजेंट्स का उपयोग करते हुए आर्किटेक्चर, डिजाइन फैसलों, और क्वालिटी स्टैंडर्ड्स पर मानवीय निगरानी बनाए रखना।
जहां vibe coding है "जो चाहते हैं वर्णन करो और AI जो दे उसी को स्वीकार कर लो," agentic engineering है "AI एजेंट्स को एक्जीक्यूट करने दो जबकि तुम निर्देश दो, रिव्यू करो, और कोर्स-करेक्ट करो।" मानवीय भूमिका कोड लिखने से कोड रिव्यू करने, इम्प्लीमेंट करने से आर्किटेक्टिंग करने, कोडिंग से इंजीनियरिंग करने में बदल जाती है।
Agentic engineering को सक्षम करने वाले टूल्स: Claude Code, OpenAI Codex, Hermes Agent, और Cursor का agent mode। ये टूल्स सिर्फ कोड जेनरेट नहीं करते — वे मल्टी-स्टेप टास्क प्लान करते हैं, उन्हें एक्जीक्यूट करते हैं, रिजल्ट्स टेस्ट करते हैं, और इटरेट करते हैं।
| पहलू | Vibe Coding | Agentic Engineering |
|---|---|---|
| कौन करता है | कोई भी — कोडिंग की जरूरत नहीं | इंजीनियरिंग जजमेंट वाले डेवलपर्स |
| AI की भूमिका | वर्णनों से कोड जेनरेट करना | मल्टी-स्टेप प्लान्स को स्वायत्त रूप से एक्जीक्यूट करना |
| मानव की भूमिका | जो चाहते हैं वर्णन करना | निर्देश देना, रिव्यू करना, कोर्स-करेक्ट करना |
| आउटपुट क्वालिटी | काम करता है, लेकिन डिजाइन दोष हो सकते हैं | ओवरसाइट के साथ प्रोडक्शन-रेडी |
| मुख्य स्किल | प्रॉम्प्टिंग क्षमता | टेस्ट, जजमेंट, आर्किटेक्चर ज्ञान |
| वेरिफिकेशन | "क्या यह चलता है?" | "क्या यह सही, सुरक्षित, मेंटेनेबल है?" |
Software 3.0 क्या है?
Karpathy का सबसे बड़ा कॉन्सेप्ट। सॉफ्टवेयर के विकास का उनका फ्रेमवर्क:
Software 1.0: मनुष्य हर लाइन कोड लिखते हैं। स्पष्ट निर्देश। डिटरमिनिस्टिक व्यवहार। यह पारंपरिक प्रोग्रामिंग है।
Software 2.0: न्यूरल नेटवर्क्स डेटा से सीखते हैं। नियम लिखने के बजाय, आप उदाहरण देते हैं और मॉडल पैटर्न सीखता है। कंप्यूटर विजन, स्पीच रिकग्निशन, रेकमेंडेशन सिस्टम्स। Karpathy ने 2017 में यह टर्म गढ़ा।
Software 3.0: लार्ज लैंग्वेज मॉडल्स प्रोग्रामेबल लेयर बन जाते हैं। हर निर्देश निर्दिष्ट करने के बजाय, डेवलपर्स लक्ष्य, बाधाएं, और संदर्भ वर्णन करते हैं। मॉडल व्याख्या करता है और एक्जीक्यूट करता है। इंटरफेस प्राकृतिक भाषा है। प्रोग्राम प्रॉम्प्ट है।
Software 3.0 में, LLM रनटाइम भी है और प्रोग्रामिंग लैंग्वेज भी। आप कोड नहीं लिखते जो LLM को कॉल करता है — LLM ही कोड है। प्रॉम्प्ट ही प्रोग्राम है। और डेवलपर का काम प्रॉम्प्ट डिजाइन करना, संदर्भ क्यूरेट करना, और आउटपुट वेरिफाई करना है।
यही कारण है कि context engineering AI में सबसे महत्वपूर्ण स्किल बन रही है। अगर प्रॉम्प्ट प्रोग्राम है, तो उसके आसपास का संदर्भ प्रोग्राम के व्यवहार को निर्धारित करता है। उस संदर्भ का प्रबंधन नई सॉफ्टवेयर इंजीनियरिंग का रूप है।
---📬 इससे मूल्य मिल रहा है? हम AI में महत्वपूर्ण स्किल्स पर साप्ताहिक प्रकाशित करते हैं। इसे अपने इनबॉक्स में पाएं →
---अब Syntax से ज्यादा Taste क्यों महत्वपूर्ण है?
Karpathy का टॉक से सबसे उद्धरणीय लाइन: "You can outsource thinking. You cannot outsource understanding."
AI एजेंट्स कोड लिख सकते हैं, ड्राफ्ट जेनरेट कर सकते हैं, टूल्स कॉल कर सकते हैं, और टास्क्स एक्जीक्यूट कर सकते हैं। लेकिन वे आपको यह नहीं बता सकते कि रिजल्ट अच्छा है या नहीं। इसके लिए जजमेंट चाहिए — कुछ तकनीकी रूप से सही लेकिन आर्किटेक्चरल रूप से गलत पहचानने की क्षमता, जब कोड चले लेकिन स्केल न करे, जब फीचर काम करे लेकिन सिक्योरिटी वल्नरेबिलिटी पैदा करे।
Karpathy इसे "taste" कहते हैं। यह AI-जेनरेटेड आउटपुट को देखकर जानने की क्षमता है कि यह सही है या नहीं। सिर्फ "क्या यह कंपाइल होता है" नहीं बल्कि "क्या अनुभवी इंजीनियर इसे इस तरह बनाएगा?"
व्यावहारिक निहितार्थ: जो डेवलपर्स फंडामेंटल्स को गहराई से समझते हैं, वे फलेंगे-फूलेंगे। जो सिर्फ सर्फेस-लेवल कोडिंग जानते हैं, वे संघर्ष करेंगे, क्योंकि AI सर्फेस-लेवल कोडिंग उनसे बेहतर करता है। मूल्य स्टैक ऊपर चढ़ जाता है — इम्प्लीमेंटेशन से आर्किटेक्चर तक, syntax से जजमेंट तक, कोड लिखने से कोड मूल्यांकन तक।
"Jagged Intelligence" का क्या मतलब है?
यह Karpathy का शब्द है AI की असमान क्षमता वितरण के लिए। मॉडल्स कुछ टास्क्स पर असाधारण रूप से अच्छा प्रदर्शन कर सकते हैं जबकि अन्य पर अप्रत्याशित रूप से फेल हो जाते हैं। बुद्धिमत्ता चिकनी नहीं — जटिल है।
मुख्य अंतर्दृष्टि: AI वह ऑटोमेट करता है जो वेरिफाई किया जा सके। स्पष्ट फीडबैक लूप्स वाले टास्क्स — क्या कोड टेस्ट पास करता है? क्या मैथ चेक आउट करता है? क्या आउटपुट अपेक्षित फॉर्मेट से मैच करता है? — AI के मजबूत क्षेत्र हैं। अस्पष्ट स्थितियों में जजमेंट वाले टास्क्स — क्या यह सही आर्किटेक्चर है? क्या यह यूजर एक्सपीरियंस सहज है? क्या यह स्ट्रैटेजी समझदारी भरी है? — AI अभी भी संघर्ष करता है।
डेवलपर्स के लिए, इसका मतलब: जितना मापने योग्य आउटपुट, उतना उपयोगी AI टूल्स। कोडिंग, टेस्टिंग, डेटा एनालिसिस, और स्ट्रक्चर्ड कंटेंट क्रिएशन अत्यधिक ऑटोमेटेबल हैं। प्रोडक्ट डिजाइन, सिस्टम आर्किटेक्चर, और स्ट्रैटेजिक डिसीजन-मेकिंग में अभी भी मानवीय जजमेंट चाहिए।
Agentic Engineering के लिए कौन सी स्किल्स चाहिए?
Karpathy के फ्रेमवर्क के आधार पर, agentic engineering युग में सबसे महत्वपूर्ण स्किल्स:
1. फंडामेंटल्स की गहरी समझ। जब AI बेहतर होता है, तो कम सीखने का लालच होता है। Karpathy उल्टा कहते हैं। समझ बोटलनेक बन जाती है। आपको सिस्टम निर्देशित करने, क्या पूछना है, क्या जांचना है, क्या रिजेक्ट करना है — इसके लिए पर्याप्त गहराई चाहिए।
2. सिस्टम डिजाइन और आर्किटेक्चर। AI फंक्शन्स लिखता है। आप सिस्टम डिजाइन करते हैं। कंपोनेंट्स कैसे इंटरैक्ट करते हैं, फेलियर पॉइंट्स कहां हैं, स्केल के लिए कैसे बनाएं — यह कोर डेवलपर स्किल बन जाता है।
3. वेरिफिकेशन और रिव्यू। AI-जेनरेटेड कोड को क्रिटिकली पढ़ने की क्षमता — सिर्फ "क्या काम करता है" नहीं बल्कि "क्या यह सही अप्रोच है?" इसके लिए वही गहरी जानकारी चाहिए जो कोड लिखने में लगती है, बस अलग तरीके से लागू।
4. प्रॉम्प्ट और संदर्भ इंजीनियरिंग। अगर प्रॉम्प्ट प्रोग्राम है, तो अच्छे प्रॉम्प्ट लिखना प्रोग्रामिंग है। ICCSSE framework (Identity, Context, Constraints, Steps, Specifics, Examples) agentic engineering पर सीधे लागू होता है — आप एजेंट को स्पष्ट स्पेसिफिकेशन दे रहे हैं, जैसे मानव डेवलपर के लिए डिजाइन डॉक लिखते।
5. टूल ऑर्केस्ट्रेशन। कौन सा AI टूल किस टास्क के लिए। Claude Code फीचर्स लिखने के लिए, Cursor एडिटिंग के लिए, Hermes Agent ऑटोमेशन के लिए, Copilot सजेशन्स के लिए। सबसे अच्छे इंजीनियर्स एक टूल पर निर्भर नहीं, कई को संयोजित करते हैं।
AI कोडिंग टूल्स के लिए अपनी प्रॉम्प्टिंग को तेज करने के लिए, free Prompt Optimizer आजमाएं — यह किसी भी प्रॉम्प्ट पर स्ट्रक्चर्ड फ्रेमवर्क लागू करता है। और अभी उपलब्ध टॉप AI कोडिंग टूल्स के लिए प्रैक्टिकल गाइड के लिए, हमारा Claude Code vs Codex comparison देखें।
---📬 ऐसा और चाहिए? हम AI प्रैक्टिशनर्स के काम करने के तरीके को आकार देने वाले विचारों को साप्ताहिक कवर करते हैं। मुफ्त सब्सक्राइब करें →
---अक्सर पूछे जाने वाले प्रश्न
क्या vibe coding खत्म हो गया?
नहीं। Vibe coding बरकरार रहेगा — यह नॉन-डेवलपर्स के लिए सॉफ्टवेयर बनाने का प्रवेश द्वार है। Agentic engineering प्रोडक्शन-क्वालिटी आउटपुट चाहिए लोगों के लिए प्रोफेशनल विकास है। दोनों सह-अस्तित्व में हैं। Vibe coding को स्केचिंग और agentic engineering को आर्किटेक्चर समझें।
अगर AI मेरे लिए कोड लिखता है तो क्या मुझे कोडिंग सीखनी चाहिए?
हां, लेकिन अलग तरीके से। आपको syntax याद करने की जरूरत नहीं। आपको समझना है कि सॉफ्टवेयर कैसे काम करता है — डेटा स्ट्रक्चर्स, सिस्टम डिजाइन, सिक्योरिटी प्रिंसिपल्स, परफॉर्मेंस ट्रेडऑफ्स। वह ज्ञान जो आपको मूल्यांकन करने दे कि AI-जेनरेटेड कोड सही और उपयुक्त है।
Software 3.0 कब मुख्यधारा में आएगा?
यह संकीर्ण डोमेन्स में हो ही रहा है — कोडिंग असिस्टेंट्स, कंटेंट जेनरेशन, डेटा एनालिसिस। पूर्ण Software 3.0 (जहां ज्यादातर ऐप्स LLM-नेटिव हों) वर्तमान ट्रैजेक्टरी के आधार पर 3-5 साल दूर है। संक्रमण धीरे-धीरे होगा, अचानक नहीं।
Agentic engineering और ChatGPT से कोडिंग में क्या अंतर है?
ChatGPT प्रॉम्प्ट्स के जवाब में कोड स्निपेट्स जेनरेट करता है। Agentic engineering स्वायत्त एजेंट्स (Claude Code, Codex, Hermes) का उपयोग करता है जो मल्टी-स्टेप टास्क्स प्लान करते हैं, आपके वास्तविक कोडबेस पर उन्हें एक्जीक्यूट करते हैं, रिजल्ट्स टेस्ट करते हैं, और इटरेट करते हैं — न्यूनतम मानवीय हस्तक्षेप के साथ। यह दिशा-निर्देश मांगने और ड्राइवर हायर करने का अंतर है।
खुलासा: इस लेख में कुछ लिंक्स एफिलिएट लिंक्स हैं। हम सिर्फ वे टूल्स रेकमेंड करते हैं जिन्हें हमने व्यक्तिगत रूप से टेस्ट किया और नियमित उपयोग करते हैं। हमारी पूर्ण खुलासा नीति देखें।