9小時(shí)前，Andrej Karpathy發(fā)了條推文，說(shuō)他"從沒(méi)感覺(jué)自己這么落后過(guò)"。

就是那個(gè)Karpathy——OpenAI聯(lián)合創(chuàng)始人、特斯拉前AI總監(jiān)、Stanford CS231n的創(chuàng)建者、"vibe coding"這個(gè)詞的發(fā)明人。

他說(shuō)的原話是：

"I've never felt this much behind as a programmer."

我看到這條的時(shí)候，正好剛結(jié)束一天12小時(shí)的AI編程。說(shuō)實(shí)話，第一反應(yīng)是：連他都慌了？

Karpathy到底說(shuō)了什么

他的完整推文是這樣的：

作為程序員，我從沒(méi)感覺(jué)自己這么落后過(guò)。這個(gè)職業(yè)正在被劇烈重構(gòu)，程序員貢獻(xiàn)的部分變得越來(lái)越稀疏。我有種感覺(jué)，如果能正確串聯(lián)過(guò)去一年出現(xiàn)的這些東西，我能強(qiáng)10倍。而沒(méi)能獲得這個(gè)提升，明顯是skill issue。 現(xiàn)在有一個(gè)新的可編程抽象層需要掌握（在原有的那些層之上），涉及agents、subagents、prompts、contexts、memory、modes、permissions、tools、plugins、skills、hooks、MCP、LSP、slash commands、workflows、IDE integrations...還需要為這些本質(zhì)上隨機(jī)的、會(huì)出錯(cuò)的、不可理解的、不斷變化的實(shí)體建立一個(gè)全面的心智模型——而這些東西突然和傳統(tǒng)的工程混在了一起。 顯然，某個(gè)強(qiáng)大的外星工具被分發(fā)了出來(lái)，但它沒(méi)有說(shuō)明書，每個(gè)人都得自己摸索怎么拿、怎么用。與此同時(shí)，9級(jí)地震正在撼動(dòng)這個(gè)職業(yè)。 擼起袖子，別掉隊(duì)。

數(shù)了一下，他提到了15個(gè)AI編程時(shí)代的新概念：agents、subagents、prompts、contexts、memory、modes、permissions、tools、plugins、skills、hooks、MCP、LSP、slash commands、workflows、IDE integrations。

這些東西，18個(gè)月前大部分還不存在。

評(píng)論區(qū)炸了

這條推文下面的評(píng)論特別有意思，兩種截然不同的聲音：

一邊是"從沒(méi)覺(jué)得自己這么強(qiáng)"：

Ian Patrick Hines，一個(gè)做前端的政治技術(shù)顧問(wèn)說(shuō)：

"作為一個(gè)一直在代碼邊緣的人（會(huì)前端不會(huì)后端），我從沒(méi)覺(jué)得自己這么有能力追上。我感覺(jué)自己什么都能做，唯一的限制是想象力。太刺激了。"

更夸張的是一個(gè)叫RidgetopAi的地板銷售：

"我是個(gè)地板銷售，10個(gè)月前我連Windows終端都打不開(kāi)，更不知道ls -la是什么。現(xiàn)在太好玩了！感覺(jué)自己內(nèi)心有什么東西被解鎖了。"

另一邊是"根本追不上"：

有人說(shuō)："everyone has to come to terms with the fact that there is no catching up, in the long run"（長(zhǎng)遠(yuǎn)來(lái)看，每個(gè)人都得接受一個(gè)事實(shí)：沒(méi)有追上這回事）。

還有人說(shuō)："man if even andrej karpathy is feeling this way how are the rest of us supposed to keep up"（連Karpathy都這樣，我們普通人怎么跟得上）。

最有意思的是Aakash Gupta的分析：

他是Product Growth領(lǐng)域的專家，有20多萬(wàn)訂閱者的newsletter作者。他說(shuō)：

"Karpathy真的建造了跑在編程助手里的那些神經(jīng)網(wǎng)絡(luò)。他在Stanford教會(huì)了全世界深度學(xué)習(xí)。他領(lǐng)導(dǎo)過(guò)特斯拉的AI。 如果他都覺(jué)得自己'明顯落后'...這說(shuō)明了一切。 這條推文的confession是：原始智力和深厚的技術(shù)知識(shí)不再保證精通。新的技術(shù)棧不是關(guān)于理解transformer或?qū)憙?yōu)雅的算法，而是關(guān)于編排一堆沒(méi)人能完全控制的隨機(jī)系統(tǒng)。"

他總結(jié)得很到位：新規(guī)則變了，舊精英不一定還是精英。

我的真實(shí)體感：每天12小時(shí)后的結(jié)論

說(shuō)回我自己。最近三天又在瘋狂用AI編程工具，每天12小時(shí)以上，大幅迭代了2個(gè)產(chǎn)品，開(kāi)發(fā)完了一個(gè)接近上萬(wàn)行代碼的app。

幾個(gè)真實(shí)感受：

1、Claude Opus 4.5確實(shí)是目前最強(qiáng)的

Karpathy說(shuō)要為"fundamentally stochastic, fallible, unintelligible"（本質(zhì)上隨機(jī)的、會(huì)出錯(cuò)的、不可理解的）的系統(tǒng)建立心智模型。這話沒(méi)錯(cuò)，但不同模型的"隨機(jī)程度"差很多。

Opus 4.5穩(wěn)得一批，在Claude Code和Cursor里都好用。它的"隨機(jī)性"是可控的——你大概能預(yù)期它會(huì)做什么，不會(huì)突然給你整一堆莫名其妙的東西。

2、OpenAI Codex情況特殊

內(nèi)置的gpt-5.2-codex模型，選high及以上的思考模式時(shí)，后端開(kāi)發(fā)能力巨好。能跑的時(shí)間無(wú)比長(zhǎng)，經(jīng)常一個(gè)任務(wù)跑一個(gè)多小時(shí)，然后完全沒(méi)有bug。

但速度也是真的慢，思考時(shí)間過(guò)久。以及審美是真的差，不適合做前端。

3、Claude Code比Cursor劃算很多

同樣用Opus 4.5的話，Cursor跑起來(lái)很容易一個(gè)項(xiàng)目就花完整個(gè)月的用量。Claude Code的計(jì)費(fèi)方式友好很多。

去年大家都在卷AI IDE，今年突然又都在卷終端工具。Claude Code能起來(lái)，很大程度上是因?yàn)锳nthropic有模型優(yōu)勢(shì)——他們可以更"無(wú)所畏懼"地給模型投喂代碼上下文，不用擔(dān)心成本。

4、Codex的上下文工程確實(shí)更好

Karpathy提到的15個(gè)新原語(yǔ)里，"contexts"可能是最關(guān)鍵的一個(gè)。

Codex會(huì)很好地進(jìn)行自動(dòng)化compact，所以基本上可以在一個(gè)窗口下不停布置任務(wù)，不用擔(dān)心任務(wù)間干擾或者上下文撐爆。能更沉浸地vibe coding。

Claude Code更適合每個(gè)獨(dú)立任務(wù)都新開(kāi)窗口執(zhí)行。

5、多任務(wù)并行完全可行

在Cursor內(nèi)開(kāi)多個(gè)終端，分別執(zhí)行Claude Code和Codex，沒(méi)問(wèn)題。我有過(guò)同時(shí)跑5個(gè)不同任務(wù)，相互沒(méi)造成任何干擾的情況。前提是任務(wù)之間做的內(nèi)容比較獨(dú)立。

說(shuō)實(shí)話，我平時(shí)寫代碼時(shí)，經(jīng)常是多個(gè)AI工具一起開(kāi)著。不是哪個(gè)最強(qiáng)就只用哪個(gè)，而是不同任務(wù)用不同模型。

6、國(guó)產(chǎn)模型也能用了

glm-4.7挺不錯(cuò)的，肯定不如前面說(shuō)的幾個(gè)，但也能連續(xù)執(zhí)行一個(gè)小時(shí)以上的任務(wù)。而且它在Claude Code中也能管理多個(gè)子agent執(zhí)行任務(wù)。

在這個(gè)情況下，很多批量寫作之類的任務(wù)你甚至不需要寫腳本調(diào)用API，讓glm-4.7+Claude Code去調(diào)用子agent批量執(zhí)行即可，很省事。

那個(gè)"沒(méi)有說(shuō)明書的外星工具"

回到Karpathy說(shuō)的核心問(wèn)題：這是一個(gè)"沒(méi)有說(shuō)明書的外星工具"。

其實(shí)沒(méi)有說(shuō)明書是好事，比如我從去年開(kāi)始就做了我的知識(shí)星球「AI編程：從入門到精通」，我一個(gè)壓根不會(huì)寫代碼，沒(méi)有經(jīng)過(guò)科班工程師訓(xùn)練的人，憑什么還去教別人用AI編程呢？

其實(shí)事實(shí)情況就是，因?yàn)檫@個(gè)產(chǎn)品沒(méi)有說(shuō)明書，所以它有豐富的可能性，它的說(shuō)明書需要最早期的信任者和探索者去建立，而我恰巧信任這正在發(fā)生的一切。

所以我拿AI編程工具開(kāi)發(fā)過(guò)各種各樣的東西，我估計(jì)很少有任何工程師比我做得更多了，大致列一列的話，我大概： 上線過(guò)幾十個(gè)網(wǎng)站，開(kāi)發(fā)上架過(guò)7個(gè)iOS app、微信小程序、鴻蒙app、Chrome插件、VSCode插件，等等等等

AI編程模型在寫代碼上已經(jīng)很強(qiáng)了，無(wú)論是GPT、Claude還是GLM。真正的差距在于：處理邊界情況、理解復(fù)雜需求的能力，以及你怎么跟它協(xié)作。

評(píng)論區(qū)有人說(shuō)得好：

"The skill now is orchestration not typing faster knowing what to wire together and when."（現(xiàn)在的技能是編排，不是打字更快，而是知道什么時(shí)候把什么連在一起。）

還有人說(shuō)：

"I've seen several stubborn engineers who think they're too good for LLMs fall drastically behind their peers."（我見(jiàn)過(guò)好幾個(gè)自認(rèn)為高人一等、不屑用LLM的固執(zhí)工程師，被同事遠(yuǎn)遠(yuǎn)甩在后面。）

看完評(píng)論區(qū)，我覺(jué)得現(xiàn)在的程序員可以分成幾類：

第一類：外行

10個(gè)月前不會(huì)開(kāi)終端，現(xiàn)在玩得很開(kāi)心。他們沒(méi)有"傳統(tǒng)工程"的包袱，直接進(jìn)入新范式。AI對(duì)他們來(lái)說(shuō)就是理所當(dāng)然的工具，不需要"轉(zhuǎn)變心態(tài)"。

第二類：前端邊緣型

像Ian Patrick Hines那樣，一直在技術(shù)邊緣，現(xiàn)在突然覺(jué)得什么都能做。AI補(bǔ)上了他們?cè)瓉?lái)欠缺的能力，讓他們第一次覺(jué)得"完整"了。

第三類：傳統(tǒng)精英型

深厚的技術(shù)功底，對(duì)確定性系統(tǒng)有深刻理解。但現(xiàn)在面對(duì)"隨機(jī)的、會(huì)出錯(cuò)的、不可理解的"新系統(tǒng)，原有的心智模型失效了。這是Karpathy自己的位置，也是很多資深工程師的位置。

第四類：固執(zhí)抵抗型

"I'm too good for LLMs"。然后被同事遠(yuǎn)遠(yuǎn)甩開(kāi)。

有意思的是，第一類和第二類反而可能適應(yīng)得最快。因?yàn)樗麄儧](méi)有"正確的工程應(yīng)該是怎樣的"這個(gè)框架要打破。

所以該怎么辦

Karpathy的建議是"Roll up your sleeves to not fall behind"（擼起袖子，別掉隊(duì)）。

具體怎么擼？

評(píng)論區(qū)有人給了個(gè)框架：

"accept pace of creation > my learning pace"（接受創(chuàng)造的速度大于我學(xué)習(xí)的速度） "stay curious"（保持好奇） "coding is not where the edge is"（優(yōu)勢(shì)不在寫代碼本身） "half of it will be dead, obsolete or abstracted away"（一半的東西會(huì)死掉、過(guò)時(shí)或被抽象掉） "80/20 still applies"（二八定律仍然適用）

我的補(bǔ)充：

1、別只用一個(gè)工具

不是找到"最強(qiáng)的"然后只用它。而是理解每個(gè)工具的特點(diǎn)，組合使用。我現(xiàn)在經(jīng)常同時(shí)開(kāi)著CodeX、Claude Code和Cursor，不同任務(wù)用不同的。

2、Context是關(guān)鍵

Karpathy列的15個(gè)原語(yǔ)里，contexts可能是最重要的。怎么給AI足夠的上下文，怎么管理上下文不爆掉，怎么讓多個(gè)任務(wù)的上下文不互相污染——這些是真正的skill。

3、接受不確定性

傳統(tǒng)工程追求確定性：你寫了什么代碼，它就執(zhí)行什么。現(xiàn)在不一樣了，你得學(xué)會(huì)和"有時(shí)候能行有時(shí)候不行"的系統(tǒng)打交道。

這不是"容忍低質(zhì)量"，而是換一種心態(tài)：與其追求一次搞定，不如快速迭代驗(yàn)證。

4、別抵抗

那些"I'm too good for LLMs"的人，已經(jīng)在掉隊(duì)了。

這一年我寫了很多AI編程的文章，也看到AI編程切切實(shí)實(shí)在距離普通人越來(lái)越近了。我在想一個(gè)問(wèn)題：當(dāng)所有人都能用AI編程，你的優(yōu)勢(shì)在哪？

現(xiàn)在看來(lái)，答案可能是：你對(duì)這個(gè)"沒(méi)有說(shuō)明書的外星工具"理解得有多深。

Karpathy說(shuō)9級(jí)地震正在發(fā)生。我覺(jué)得他說(shuō)得對(duì)。但地震之后，總有人會(huì)建起新的城市。

可以的話，成為這個(gè)新城市的建造者。

或至少，成為這個(gè)新城市的居民，別讓自己停滯在地震倒塌的廢墟之中。