Sequoia AI Ascent 2026
From Vibe Coding to Agentic Engineering
Andrej Karpathy(对谈 Stephanie Zhan) · Eureka Labs
Vibe coding 抬高了下限,agentic engineering 守住专业软件的质量线、把上限推得更高;LLM 能自动化的是「可验证」的事,人保留的是品味、规格和理解。
内容概要
Karpathy 说 2025 年 12 月是他的拐点:新模型写出的大段代码不用再改,他开始信任系统。他把 Software 3.0 讲成「上下文窗口就是你对解释器(LLM)的杠杆」,OpenClaw 的安装方式就是一段让 agent 照着做的文字;MenuGen 一整个 app 被「把照片丢给 Gemini + 图像模型」取代。能力参差(jagged)来自「可验证 + 实验室在意」:在 RL 覆盖到的回路里模型飞快,在外面就得自己做 RL 环境和微调。对工程师,他强调保持质量标准、投资自己的工具链、负责规格和设计,而 API 细节交给 agent。
要点(点击时间跳到原视频)
- 0:44
2025 年 12 月是分水岭:大段代码直接可用,他记不起上一次纠正模型是什么时候,开始大量做 side project。很多人对 AI 的印象还停在 ChatGPT,需要「从 12 月起重新看一遍」。
- 2:28
Software 1.0 写代码,2.0 用数据集训练网络,3.0 编程变成提示:上下文里放什么,就是你操纵这台「解释器」的杠杆。
- 3:25
OpenClaw 的安装不是一个越写越复杂的跨平台 shell 脚本,而是一段复制给 agent 的文字:agent 看你的环境、执行、出错再调。「给 agent 复制粘贴什么」就是现在的编程范式。
- 4:45
MenuGen(拍菜单生成菜品图)原本是 OCR + 图像生成 + Vercel 部署的完整 app;后来发现把照片丢给 Gemini 让 Nano Banana 直接在图上渲染就够了。很多 app 不必存在;更值得找的是以前根本做不出来的新东西,比如让 LLM 把一堆文档重新编译成个人/组织 wiki。
- 9:40
传统计算机能自动化「能写成代码的事」,LLM 能自动化「能验证的事」。前沿实验室用可验证奖励做大规模 RL,所以能力在数学、代码附近冲高;能重构十万行代码的模型,却会建议你步行去 50 米外的洗车店。
- 11:55
参差不仅来自可验证性,也来自实验室往数据里放了什么(GPT-4 象棋变强就是因为加了大量棋谱)。先判断你的应用在不在 RL 覆盖的「回路」里;不在,就要考虑自己做微调。
- 13:40
给创业者:可验证、但实验室没顾上的领域,可以自己造 RL 环境、用现成微调框架「拉杠杆」。写作这类主观任务也能用「LLM 评委会」做到一定程度的可验证。
- 15:46
Vibe coding 是给所有人抬高下限;agentic engineering 是一门工程学科:用会出错、带随机性但极强的 agent 提速,同时不降低安全和质量标准。做得好的人收益远超 10 倍。
- 17:47
招聘要改:别再出算法题,给一个大项目,比如「做一个给 agent 用的 Twitter,要安全,再让 agent 模拟流量」,然后用十个最高推理档的 Codex 去攻击你部署的站点。
- 19:40
人负责审美、判断和监督。例子:agent 用邮箱去匹配 Stripe 和 Google 账户,而不是唯一用户 ID。和 agent 一起写非常详细的规格(甚至就是文档),细节交给它;API 参数记不住没关系,但张量的 view 与 storage 这类原理必须懂。
- 22:00
模型写的代码常常臃肿、复制粘贴、抽象别扭;他做 microGPT 时反复要求「再简化」,模型就是做不到,说明「简洁」还不在 RL 奖励里。
- 24:00
LLM 不是动物而是「幽灵」:统计预训练加上 RL 附加的能力,吼它没用。正确姿态是保持怀疑、边用边摸清它的边界。
- 25:52
他最烦的是文档仍然写给人看:「别告诉我该去哪个 URL 做什么,告诉我该复制什么给我的 agent」。基础设施要 agent-native:把世界拆成传感器和执行器。检验标准:一句提示让 LLM 做出 MenuGen 并完成部署(含 Vercel、DNS),人不用碰任何设置。
- 27:20
「你可以外包思考,但不能外包理解。」人正在成为瓶颈:要知道做什么、为什么值得做、怎样指挥 agent。他用 LLM 维护的个人知识库来加速理解。
可以用在日常工作里的
- 工程
把「质量标准不降」当成用 agent 的前提:安全、测试、可维护性的要求和以前一样,只是换一种方式去满足。
- Agent
给自己的项目、库和服务写一份「给 agent 复制粘贴的安装/使用说明」,像 OpenClaw 那样,让 agent 来适配环境。
- 产品
做新功能前先问:这个 app 的中间层,是否已经能被「输入→模型→输出」一步替代?优先做以前做不到的事。
- 模型训练
评估你的任务是否在前沿模型的 RL 覆盖范围内;如果可验证但不在覆盖内,收集环境和数据做自己的 RL/微调。
- 团队
招聘与评估改为「做一个大项目并经受 agent 红队攻击」,看候选人能否驾驭工具链做出安全、可用的系统。