在 Sequoia's AI Ascent 2026 上，Andrej Karpathy —— OpenAI 联合创始人、前 Tesla AI 总监、Eureka Labs 创始人 —— 以一个令人惊讶的承认开场：他从未感觉自己作为程序员如此落后。不是因为他失去了技能，而是因为 AI 驱动的编码工具正在以无人能及的速度改变编程的含义。
Karpathy 提出了一个三阶段框架来理解这一转变：vibe coding、agentic engineering 和 Software 3.0。这是目前为止任何人提出的关于软件开发方向的最清晰思维模型——以及哪些技能将最重要。
关键要点
Vibe coding 让任何人通过提示词即可构建。Agentic engineering 让专业人士使用 AI 代理构建，同时保持质量。Software 3.0 是神经网络本身成为编程层的时候。我们目前正从阶段 1 向阶段 2 过渡。
什么是 Vibe Coding？
Vibe coding 是 Karpathy 对当前阶段的称呼，在这个阶段，任何人——无论是否懂技术——都可以通过自然语言描述需求来构建软件。你告诉 AI“给我建一个带有英雄区、定价表和注册表单的登陆页面”，它就会生成可运行的代码。
Vibe coding 降低了门槛。现在产品经理可以原型化一个 app。设计师可以建一个功能性网站。学生可以创建一个解决真实问题的工具。构建的障碍从“多年编码经验”降到“描述需求的能力”。
启用 vibe coding 的工具：Cursor、Bolt、v0、Replit，以及在一定程度上 ChatGPT 和 Claude 的代码生成功能。
局限性： Vibe coding 生成的代码能运行，但往往有细微的设计缺陷。Karpathy 的例子：AI 生成的一个 app 通过邮箱地址而非持久用户 ID 来匹配 Stripe 支付和 Google 账户。代码运行正常。架构却错了。初级开发者不会发现。资深开发者会立刻察觉。
这就是 Karpathy 所说的“jagged intelligence”——AI 能力分布不均。模型在有训练数据、奖励和验证循环的领域表现出色，在其他领域却不可预测地失败。
什么是 Agentic Engineering？
Agentic engineering 是下一阶段——使用 AI 代理进行专业品质开发，同时保持人类对架构、设计决策和质量标准的监督。
Vibe coding 是“描述你想要什么，接受 AI 给你的”，agentic engineering 是“使用 AI 代理执行，同时你指导、审查和修正”。人类角色从写代码转向审代码，从实现转向架构，从编码转向工程。
启用 agentic engineering 的工具：Claude Code、OpenAI Codex、Hermes Agent，以及 Cursor 的 agent 模式。这些工具不只是生成代码——它们规划多步任务、执行、测试结果并迭代。
| 方面 | Vibe Coding | Agentic Engineering |
|---|---|---|
| 谁在做 | 任何人——无需编码 | 具备工程判断力的开发者 |
| AI 的角色 | 从描述生成代码 | 自主执行多步计划 |
| 人类的角色 | 描述你想要什么 | 指导、审查、修正 |
| 输出质量 | 能运行，但可能有设计缺陷 | 在监督下生产就绪 |
| 关键技能 | 提示能力 | 品味、判断力、架构知识 |
| 验证 | “它能运行吗？” | “它正确、安全、可维护吗？” |
什么是 Software 3.0？
Karpathy 的最大概念。他对软件演进的框架：
Software 1.0： 人类写每一行代码。显式指令。确定性行为。这是传统编程。
Software 2.0： 神经网络从数据中学习。不写规则，而是提供示例，模型学习模式。计算机视觉、语音识别、推荐系统。Karpathy 在 2017 年创造了这个术语。
Software 3.0： 大型语言模型成为可编程层。开发者不是指定每条指令，而是描述目标、约束和上下文。模型解释并执行。接口是自然语言。程序就是提示词。
In Software 3.0 中，LLM 既是运行时又是编程语言。你不写调用 LLM 的代码——LLM 就是代码。提示词就是程序。开发者的工作是设计提示词、整理上下文并验证输出。
这就是为什么 context engineering 正在成为 AI 中最重要的技能。如果提示词是程序，那么围绕它的上下文决定了程序的行为。管理这个上下文就是软件工程的新形式。
---📬 从中获得价值？ 我们每周发布 AI 中重要的技能。收到你的收件箱 →
---为什么现在品味比语法更重要？
Kkarpathy 演讲中最值得引用的一句：“你可以外包思考。你无法外包理解。”
AI 代理可以写代码、生成草稿、调用工具、执行任务。但它们无法告诉你结果是否好。这需要判断力——辨识技术正确但架构错误的、代码运行但不具扩展性的、功能正常但引入安全漏洞的情况。
Kkarpathy 称这是“taste”。它是指审视 AI 生成输出并知道它是否正确的能力。不只是“它能编译吗”，而是“资深工程师会这样构建吗？”
实际含义：深刻理解基础的开发者将蓬勃发展。只知表面编码的开发者将挣扎，因为 AI 在表面编码上比他们更好。价值向上转移——从实现到架构，从语法到判断，从写代码到评估代码。
“Jagged Intelligence” 是什么意思？
这是 Karpathy 对 AI 能力分布不均的称呼。模型在某些任务上表现出色，在其他任务上却意外失败。智能不是平滑的——而是锯齿状的。
关键洞见：AI 自动化那些能验证的事物。有清晰反馈循环的任务——代码通过测试吗？数学计算正确吗？输出匹配预期格式吗？——是 AI 擅长的领域。需要在模糊情况下判断的任务——这是正确的架构吗？用户体验直观吗？这个策略合理吗？——是 AI 仍挣扎的领域。
对开发者而言，这意味着：输出越可衡量，AI 工具越有用。编码、测试、数据分析和结构化内容创建高度可自动化。产品设计、系统架构和战略决策仍需人类判断。
Agentic Engineering 需要哪些技能？
基于 Karpathy 的框架，在 agentic engineering 时代最重要的技能：
1. 深刻理解基础。 AI 越好，越容易学得少。Karpathy 持相反观点。理解将成为瓶颈。你需要足够深度来指导系统，知道问什么、检查什么、拒绝什么。
2. 系统设计和架构。 AI 写函数。你设计系统。理解组件如何交互、故障点在哪里、如何为规模构建将成为核心开发者技能。
3. 验证和审查。 批判性阅读 AI 生成代码的能力——不只是“它能工作吗”，而是“这是正确的方法吗？”这需要让你能写代码的同样深刻知识，但以不同方式应用。
4. 提示和上下文工程。 如果提示是程序，写好提示就是编程。ICCSSE framework（Identity, Context, Constraints, Steps, Specifics, Examples）直接适用于 agentic engineering——你给代理清晰规范，就像为人类开发者写设计文档。
5. 工具编排。 知道哪个 AI 工具用于哪项任务。Claude Code 用于写功能，Cursor 用于编辑，Hermes Agent 用于自动化，Copilot 用于建议。最好的工程师组合多种工具，而不是依赖单一工具。
要提升你的 AI 编码工具提示技巧，试试 免费 Prompt Optimizer——它将结构化框架应用于任何提示。要了解当前顶级 AI 编码工具的实用指南，请查看我们的 Claude Code vs Codex 比较。
---📬 想要更多类似内容？ 我们每周覆盖塑造 AI 从业者工作方式的想法。免费订阅 →
---常见问题
Vibe coding 过时了吗？
没有。Vibe coding 会一直存在——它是非开发者构建软件的入口。Agentic engineering 是需要生产品质输出的专业演进。两者共存。将 vibe coding 视为草图，agentic engineering 视为架构。
如果 AI 为我写代码，我还需要学编码吗？
是的，但方式不同。你无需记忆语法。你需要理解软件如何工作——数据结构、系统设计、安全原则、性能权衡。让你能评估 AI 生成代码是否正确和合适的知识。
Software 3.0 何时主流？
它已在狭窄领域发生——编码助手、内容生成、数据分析。完整的 Software 3.0（大多数应用为 LLM 原生）基于当前轨迹需 3-5 年。转变将是渐进的，而不是突然的。
Agentic engineering 和用 ChatGPT 编码有什么区别？
ChatGPT 根据提示生成代码片段。Agentic engineering 使用自主代理（Claude Code、Codex、Hermes），它们规划多步任务、在你的实际代码库中执行、测试结果并迭代——几乎无需人类干预。这相当于要方向和雇司机的区别。
披露：本文中一些链接是联盟链接。我们只推荐我们亲自测试并定期使用的工具。查看我们的 完整披露政策。