Andrej Karpathy认为软件开发正在从“vibe coding”（提升底线）转向“agentic engineering”（保持质量标准）。核心在于，Prompting已等同于编程，但模型存在“锯齿状智能”（Jagged Intelligence），即在可验证领域（如代码）能力极强，在常识推理等不可验证领域则可能犯错。因此，专业开发者需驾驭这些强大但易错的Agent，在提升效率的同时，守住安全与质量的底线。
从 Vibe Coding 到 Agentic Engineering：Andrej Karpathy 的最新观点
前OpenAI联合创始人Andrej Karpathy近期的一场访谈，为我们描绘了人工智能辅助软件开发的下一个阶段。他不仅重新定义了我们与AI编程工具的协作方式，更指出了从“随性编码”（Vibe Coding）迈向“代理工程”（Agentic Engineering）的必然路径。这些观点为使用 Claude Code 等工具的开发者提供了深刻的框架，帮助理解我们手中的工具究竟是什么，以及如何正确地使用它们。
软件3.0：Prompting 即编程
Karpathy将软件范式划分为三个时代。软件1.0是编写明确的规则代码；软件2.0是通过数据集和神经网络架构进行“编程”；而软件3.0的核心是Prompting即编程。此时，上下文窗口（Context Window）成为你操控LLM这个“可编程计算机”的杠杆。传统软件处理结构化数据，而软件3.0则能处理更通用的信息，完成以往不可能的任务。
一个生动的例子是安装软件。传统方式是编写复杂的跨平台Shell脚本（软件1.0思维），而软件3.0的方式是将一段说明文本“复制粘贴”给你的Agent。Agent利用其内在的智能，会检查你的环境、执行操作、在循环中调试问题，最终完成任务。这不再是精确指定每一步细节，而是向一个智能体描述目标。
Karpathy用自己开发的菜单图片应用MenuGen进一步说明：在软件3.0范式下，用户只需将餐厅菜单照片交给像Gemini这样的模型，并提示“使用工具为菜单项添加配图”，模型便能直接输出渲染好图片的菜单图像。整个应用程序（MenuGen）本身在新范式下显得多余。这迫使我们思考，如何利用这些新能力去创造前所未有的事物，而不仅仅是让旧流程跑得更快。
“锯齿状智能”与可验证性框架
理解了“Prompting即编程”，下一步必须认识到当前大语言模型的一个根本特性：锯齿状智能（Jagged Intelligence）。Karpathy解释，由于训练方式（基于海量强化学习环境与奖励），模型在可验证领域（如数学、编程）能力极强，峰值能力远超人类想象——例如能重构十万行代码库或发现零日漏洞。然而，它们在常识推理等不可验证领域则表现不佳，甚至会建议你步行50米去洗车。
这种“锯齿状”源于训练数据的分布。前沿实验室为了提升模型在代码等高经济价值领域的能力，会投入大量经过验证的强化学习环境数据，导致这些“电路”被强化。而其他未被覆盖的“电路”，模型就可能犯下基础错误。
这引出了可验证性（Verifiability）框架：AI将优先、更快地自动化那些输出易于验证的领域。代码天然具备可验证性（编译、运行、测试），因此成为AI能力的高地。对于开发者而言，这意味着在利用AI编程时，你必须清醒地认识到其能力边界。你不能盲目信任，而应将其视为需要监督的强大工具。
从 Vibe Coding 到 Agentic Engineering：两条不同的道路
在访谈中，Karpathy明确区分了这两个概念：
- Vibe Coding（随性编码）：核心是提升底线。它让更多人能够通过自然语言描述来创造软件，极大地民主化了软件开发，这是革命性的进步。
- Agentic Engineering（代理工程）：核心是保持质量标准。它是在专业软件工程的背景下，利用强大但“锯齿状”的Agent来加速开发，同时绝不允许因使用AI而引入安全漏洞或降低代码质量。这是一个需要精深技艺的工程学科。
两者并非演进关系，而是不同场景下的不同方法。Vibe Coding适用于快速原型、个人项目或内部工具；而构建面向生产环境、需要高可靠性、安全性和可维护性的系统，则必须采用Agentic Engineering。后者要求工程师深入理解AI工具的能力与缺陷，负责系统的架构设计、质量规范和最终验收，将Agent视为能力极强但需要明确指引的“实习生”。Karpathy指出，精通Agentic Engineering的人所获得的加速效果，远超过去的“10倍工程师”。
人类在循环中的角色：品味、判断与理解
当Agent承担越来越多的细节实现时，什么人类技能变得更宝贵？Karpathy的回答是：品味（Taste）、判断力（Judgment）和理解（Understanding）。Agent会生成代码，但可能包含笨拙、臃肿或脆弱的抽象。你需要负责顶层设计、用户体验、美学风格，并做出关键的工程决策。
一个关键比喻是：“你可以外包思考，但不能外包理解。” 信息必须进入你的大脑，你才能有效地指挥Agent。你必须理解系统底层的原理、正在构建什么、为何有价值，以及如何将复杂任务分解。例如，在神经网络中，你无需再记忆PyTorch和NumPy的每一个API细节差异（这些可以交给Agent），但你必须理解张量、视图、存储和内存布局的核心概念，以避免设计出低效的系统。
因此，未来开发者最重要的能力之一，将是与Agent协作，共同设计出详尽、明确的技术规格（Specification），并对其进行验证和监督。Agent负责执行，而人类负责理解、规划和决策。
对开发者的启示与最佳实践
Karpathy的观点为我们使用Claude Code等先进工具提供了清晰的路线图：
- 拥抱范式转变：将你的工作视为“向Agent编程”。高效利用Claude Code的 Commands 和 Skills 来定义可复用的任务模式，这本身就是一种新的编程活动。
- 驾驭锯齿，设立护栏：利用Claude Code的 Subagents 来隔离和专业化处理不同任务，并通过 Hooks 和严格的工作流（如编排工作流）设立自动化检查点，确保代码质量、安全性和风格一致性，守住“代理工程”的质量底线。
- 投资于理解与设置：花时间深入理解AI编程工具的原理和边界，并精心配置你的开发环境。投资于你的
.claude/settings.json配置、定义清晰的技能和命令，这将带来长期的效率回报。 - 负责设计与架构：让Agent处理API细节、样板代码和繁琐配置，而你专注于系统设计、核心逻辑、用户体验和长期维护性。你的角色正从“编写者”更多地转向“架构师”和“指挥官”。
FAQ
Q: Vibe Coding和Agentic Engineering到底有什么区别？ A: Vibe Coding旨在降低编程门槛，让更多人能快速创造应用，重在提升能力底线。Agentic Engineering则是在专业软件开发中，利用AI代理加速工作，同时严格维持甚至提升软件的安全、可靠与质量标准，它是一项严肃的工程纪律。
Q: 什么是“锯齿状智能”，对开发者使用AI工具意味着什么？ A: “锯齿状智能”指大语言模型在编程等可验证任务上能力超强，但在常识推理等不可验证任务上可能表现不佳。这意味着开发者不能盲目信任AI的所有输出，尤其是在设计、逻辑判断和非代码领域，必须保持监督和验证，将其作为需要审慎使用的强大工具。