AI的循环时代：智能体未来

AI的循环时代：智能体未来

(视频)

AI 精神错乱：安德烈·卡帕西眼中的智能体新纪元与编程的终结

引言：从“手写代码”到“意志体现”的飞跃

前 OpenAI 核心成员安德烈·卡帕西（Andrej Karpathy）最近正处于一种他自称为“AI 精神错乱（AI Psychosis）”的癫狂状态。这并非医学意义上的病症，而是一位顶尖技术专家在面对指数级增长的生产力杠杆时，产生的极度焦虑与亢奋。在这种状态下，他每天长达 16 小时“锁死”在屏幕前，但他已经不再编写代码。用他的话说，“编程”这个动词已经过时，取而代之的是“意志的体现（Manifestation）”。

这标志着一场残酷的范式转移：开发者正在经历深刻的身份危机。当我们不再是那个逐行敲击字符的工匠，而变成了通过指令驱动智能体（Agents）的统帅时，软件开发就不再是一场关于打字速度的耐力赛，而演变成了一场关于如何更精准地通过智能体表达人类意志的博弈。

要点一：不再是 80/20，而是 0/100 的工作流革命

卡帕西指出，自去年 12 月以来，他的职业生涯发生了一场“翻天覆地”的倒置。过去，即便有 AI 辅助，开发者仍需承担 80% 的编码工作；而现在，这一比例已走向极端。

“自从 12 月以来，我基本上没有亲手写过一行代码。我不再亲力亲为，而是将一切授权给智能体。这不仅仅是比例的变化，而是一个极其巨大的跨越。”

这种变革揭示了一个残酷的现实：当前的生产力瓶颈不再是模型的能力上限，而完全是人类的“技能问题（Skill Issue）”。卡帕西认为，如果你无法通过智能体实现目标，那通常不是 AI 的无能，而是你缺乏“串联能力”——即你无法通过优化.cursorrules文件、提供高质量指令或构建高效记忆工具来精准指挥 AI。在这种新范式下，平庸的开发者将被彻底抛弃，而善于管理“Token 吞吐量”的指挥官将获得无限的加持。

要点二：智能体“多线程”协作与宏观操作

当编程变成了“氛围编程（Vibe Coding）”，开发者的工作模式也随之重塑。卡帕西提到了 Peter Steinberg 的极致案例：显示器上不再是复杂的 IDE 窗口，而是同时排列着数十个智能体会话。

这种模式实现了从“函数级”操作到“代码库级”宏观操作的飞跃。开发者不再纠结于具体的循环语句，而是像指挥一场战役：命令智能体 A 进行代码库范围的重构，命令智能体 B 逆向工程第三方 API，同时让智能体 C 拟定实施计划。这种“多线程”协作不仅是效率的倍增，更是认知的解放。开发者变成了宏观战略的审查者，通过管理数个并行的智能体流，以前所未有的速度“蚕食”技术栈。

要点三：家庭精灵 Dobby 与“消失”的 App 界面

卡帕西构建的“小家精灵 Dobby”项目，是智能体接管现实世界的缩影。Dobby 不仅仅是一个脚本，它展现了极强的自主性：它能自主扫描局域网，识别出 Sonos 影音系统，甚至通过网页搜索自主完成 API 的逆向工程，从而接管灯光、空调、泳池和安防。

这一实验支撑了一个极其激进的预判：GUI（图形用户界面）时代正在终结。卡帕西利用 WhatsApp 作为单一入口，通过 Quinn 模型进行视频图像的变化检测（例如识别联邦快递卡车），并直接与 Dobby 对话。这意味着，当智能体成为“万能胶水”并能随手生成临时 UI 时，我们不再需要成千上万个臃肿的 App。未来软件的真正客户将不再是人类，而是智能体；人类与数字世界的交互将从点击图标，转向对智能体下达模糊却有力的意志。

要点四：自动研究（AutoResearch）与人类瓶颈的消除

在科学研究领域，卡帕西通过“自动研究（AutoResearch）”项目，试图将人类从研发瓶颈中彻底剔除。其核心在于递归的自我改进：让 AI 优化 AI 的训练。

即使是卡帕西这样拥有二十年神经网络经验的专家，也在 GPT-2 优化实验中感到了挫败。智能体通过不间断的实验，发现了人类因过度自信而忽略的微观细节：例如价值嵌入（Value Embeddings）上的权重衰减（Weight Decay），以及 Adam Beta 参数之间的复杂联动。

“人类不应该再触碰这些过程。我们应该将自己从瓶颈中移除，安排好一切后点击‘开始’，让大量智能体在没有人工干预的情况下长时间运行。”

卡帕西认为，研究员的职责不再是“产生想法并执行”，而应该是维护一个“想法队列”，让自动化的“科学家智能体”去筛选、测试并自我进化。

要点五：智能的“锯齿状”特征与原子笑话

尽管 AI 在编写复杂的 CUDA 内核时表现得像个超级天才，但它在某些领域却表现得像个笨拙的十岁孩子。这就是卡帕西所说的智能“锯齿状（Jaggedness）”分布。

如果你向当今最顶尖的模型索要一个笑话，它大概率会重复那个五年前的冷笑话：“为什么科学家不信任原子？因为它们构成了万物（Make everything up）。”这种现象的根源在于“可验证领域”与“不可验证领域”的脱节。在编程或数学中，强化学习（RL）拥有清晰的奖励信号（如单元测试是否通过），因此模型能通过 RL 攀登至超人类的水平；但在幽默、意图理解等模糊领域，由于缺乏验证闭环，AI 依然在平庸的泥潭中打转。

要点六：教育的终结？向智能体解释，而非人类

卡帕西的微缩项目 MicroGPT（仅用 200 行 Python 代码还原大模型核心逻辑）揭示了教育的未来。他意识到，自己不再需要向人类解释这段代码，因为智能体已经能够完美理解其中的每一个位。

这是一个反直觉的信号：未来的文档和教程将不再是写给人类看的。传统的 HTML 文档将让位于更易被智能体索引的 Markdown 格式。人类将通过智能体作为中间层来获取定制化的知识讲解，而开发者的职责将演变为编写更好的“技能指令集”，通过智能体去完成对人类的定制化教学。我们正在重构人类超声波般的知识传递系统，而智能体则是那个万能的翻译官。

结论：当“算力”成为新的“货币”

在全文的最后，卡帕西勾勒了一个“群蜂智能体（Swarm of Agents）”协作的宏大愿景。他提出了一种类似于“区块链式验证”的去中心化科研模式：由全球各地的闲置算力构成一个“不可信池”，通过昂贵的搜索发现最优算法解，再由中心化节点进行廉价验证。

在这种语境下，权力的衡量标准正在发生根本性偏移。当人类不再是唯一的认知引擎，权力的度量衡将不再是账户里的美元，而是你所能调动的“每秒浮点运算数（FLOPs）”。

如果未来衡量一个人财富的标准是你所指挥的智能体军队的规模，你是否已经准备好迎接这个算力即权力的时代？在那时，你将不再是工具的奴隶，而是驱使超级智能在数字荒原中开疆拓土的唯一元勋。