Karpathy 用三步杀死了自己发明的概念——然后指出了AI的下一个形态

创造Vibe Coding的人亲手宣布它死了。但他不是在否定过去是在定义未来。而我发现我已经在做他说的那个未来了。前情提要这个人是谁如果你在 AI 圈只认识三个人Andrej Karpathy 应该是其中之一。OpenAI 联合创始成员Tesla AI 负责人斯坦福 CS231n深度学习圣经课的授课人。现在创办 Eureka Labs 做 AI 教育。2025 年他随口发了一条推特创造了一个词——Vibe Coding凭感觉写代码让 AI 代劳。这个词火遍全球92% 的开发者听说过它直接催生了一个 94 亿美元的市场。然后 2026 年 2 月他自己说这个词过时了。创造者亲手杀死自己的作品——这才是最牛逼的地方。第一步700个实验2天——Karpathy Loop3月3 月 17 日Fortune 报道了 Karpathy 的一个实验。他让一个 AI Agent 连续跑了 2 天自主执行了 700 个训练优化实验。不是人指导的 700 次——是 AI 自己读论文、生成假设、写代码、跑实验、从结果学习、再生成新假设。结果发现 20 种优化策略模型训练时间缩短 11%Shopify CEO 跟着做了一夜——性能提升 19%方法极简三个要素要素内容一个 Agent有权限修改一个文件一个指标单一、客观、可测试一个时限到时间停下来汇报Karpathy 说“所有 LLM 前沿实验室都会这样做。这是最终 Boss 战。”我的实践港股量化监控系统看到这里我愣了一下——我已经在做类似的事了。我的龙虾每个交易日自动跑 3 次信号分析18 个维度、4 层流水线、有信号才通知。stock-monitor/ ├── SKILL.md ← AI Agent 的任务书 ├── config/watchlist.json ← 监控什么、阈值多少 ├── scripts/ │ ├── fetch_data.py ← 数据采集双源兜底 │ └── analyze_signals.py ← 18维度信号分析14KB └── logs/ └──>第二步杀死 Vibe Coding → Agentic Engineering2月-4月这是整个故事的高潮。Vibe Coding 怎么死的Karpathy 2025 年说的是“忘了代码的存在完全沉浸在氛围中。”一年后他发现了三个致命问题缺陷数据没有设计跳过架构第三版迭代时代码债反噬没有测试AI 代码 bug 密度是人写的 1.7 倍没有审查AI 代码安全漏洞是人写的 2.74 倍2026 年 2 月 4 日他发帖“Vibe Coding is passé.”替代品Agentic EngineeringVibe CodingAgentic Engineering你的角色产品经理架构师AI 的角色全能外包工程师团队流程想法→聊天→接受定任务→AI执行→验收→通过才继续一句话不是不用 AI是用 AI 的方式从聊天升级为指挥。我的实践迭代开发核心规则我在用龙虾的时候有一条铁律新功能必须走完整流程PM Agent 分析需求 → Dev Agent 实现写测试 → Test Agent 执行测试 → PM Agent 验收。绝不跳过流程直接写代码。这不就是 Agentic Engineering 吗只是我先做了Karpathy 后命名了。Karpathy 的 Agentic Engineering我的迭代开发规则定任务PM Agent 写 requirement_spec.jsonAI 执行Dev Agent 实现 写测试验收Test Agent 跑测试 → PM Agent 验收通过才继续不过不合并打回重来甚至我的内容创作流程也是这个模式——写一篇原稿定任务→ 龙虾生成 5 平台版本AI 执行→ 我审核验收→ 通过才发布。articles/ ├── s3-01-content-factory.md ← 原稿 ├── s3-01-content-factory-wechat.html ← 公众号版 ├── s3-01-juejin.md ← 掘金版 ├── s3-01-cover.html ← 封面 ├── s3-02-auto-monitor.md ├── s3-02-auto-monitor-wechat.html ├── ... (共 28 个文件7篇 × 4版本)一条指令28 个文件。但每一个都经过我的验收。这就是 Agentic Engineering——不是不管是管得更高级。第三步LLM Knowledge Base——让 AI 维护你的大脑4月4 月 3 日Karpathy 分享了一个更深层的变化“我最近大部分的 Token 流量不再用来操作代码而是用来操作知识。”他的工作流原始资料论文/文章/代码 ↓ LLM 编译 Markdown Wiki结构化、分类、反向链接 ↓ Obsidian 查看 问答/研究查询 ↓ 输出 Markdown / 幻灯片 / 图表 → 归档回 Wiki ↓ 健康检查 LLM 查找不一致、推断缺失、发现新连接关键洞察他几乎不手动编辑 Wiki——全部由 LLM 编写和维护。40 万词的知识库不需要 RAGLLM 自动维护索引和摘要就够了。我的实践16 域知识图谱我有一个KNOWLEDGE-MAP.md——16 个知识域的路由表knowledge/ ├── thinking-models/ — 思考模型10大模型 ├── itil-v4/ — IT服务管理 ├── pmbok/ — 项目管理 ├── investing/ — 投资与财富管理 ├── business-leaders/ — 商业领袖方法论 ├── product-design/ — 产品设计 ├──>三步串起来看到了什么把三件事放在一起看Karpathy 的思路脉络非常清晰第一步AI 自己做实验Karpathy Loop → AI 从工具变成研究员 第二步人不写代码但验收代码Agentic Engineering → 人从执行者变成架构师 第三步AI 维护知识库LLM Knowledge Base → AI 从回答问题变成积累知识一句话总结AI 在升级为自主 Agent人在升级为架构师和决策者。这不是预测。这是正在发生的事。所以我做了什么Karpathy 的概念我的实践状态Karpathy Loop港股 18 维度监控系统每日 3 次自动分析✅ 已运行Agentic Engineering迭代开发规则PM→Dev→Test→验收✅ 已执行Agentic Engineering内容工厂1 条指令 → 28 个文件 → 人验收✅ 已产出LLM Knowledge Base16 域知识图谱 路由表⚠️ 手动维护待升级我不是在追随Karpathy。我是在实践中走到了同一个方向只是他先给出了名字。这大概就是为什么看到他的动态时我的第一反应不是好厉害而是原来我做的这个事情叫这个名字。你能从中拿走什么1. 如果你还在Vibe Coding阶段别慌。Vibe Coding 在探索期是对的。但一旦你的项目有了真实用户、或者 AI 写的代码你已经看不懂了——立刻切 Agentic Engineering。切换标志定任务 → AI 执行 → 你验收 → 通过才继续。2. 如果你想搭自己的Karpathy Loop三要素就够一个 Agent 一个可测指标 一个时间限制。不一定是训练模型。监控股票、检查竞品价格、扫描舆情、审查代码质量——任何有明确指标的事都可以做成 Loop。3. 如果你想让 AI 帮你积累知识从一个目录开始。把你关注的领域的资料丢进去让 AI 编译成 Markdown Wiki。每周让 AI 做一次健康检查——查不一致、补缺失、找连接。不需要复杂工具。Markdown AI Agent 就够了。本篇工具链清单工具用途AI Agent龙虾股票监控 / 内容生产 / 知识管理Python yfinance/westock数据采集Karpathy Loop 实践SKILL.md任务定义Agentic Engineering 实践KNOWLEDGE-MAP.md知识路由LLM Knowledge Base 实践QQ 邮箱 SMTP信号推送大佬的三步不是三个独立事件。是一条线AI 从工具变成 Agent人从执行者变成决策者。这条线上每个人都在走。区别只是有些人先给了名字有些人先做了实践。路易乔布斯 © 2026一深思 AI