最近Andrej Karpathy 接受采访时说，大概从去年12月开始，他就没有自己手写过一行代码了。

他原话是这样描述自己现在每天的工作状态的：「编程这个词都不太对了，我现在是每天16个小时在向我的 agents 表达意志。」

他不再是那个亲自敲键盘写函数的人了，他变成了一个发号施令的人。把任务描述清楚，分配给不同的 AI agent，然后在它们并行工作的间隙，不断思考下一个宏观目标是什么。

这就是当下真实发生的工作流转变。

在采访里他描述了一个他朋友 Peter Steinberg的工作场景：屏幕前同时开着十几个 agent 窗口，每一个都在运行一个独立任务，大概20分钟能跑完一个。
Peter 的工作就是在这些窗口之间走来走去，审阅产出，给下一个任务做分配。

批准一个功能方向，交给 agent 一号；批准另一个不冲突的功能，交给 agent 二号。
这是宏操作的时代。

Karpathy 特别强调了时间节点：去年12月。
在那之前他的工作模式大概是八二开，自己写八成代码，AI 辅助两成。
12月之后，这个比例直接翻转，变成了最多两成自己动手，剩下全部委托给 agent，而现在可能连那两成都没有了。

这个变化发生得太快，很多普通人根本没意识到这件事有多戏剧性。

当然，这不是说 AI 已经完美无缺了。

Karpathy 说他说现在和 agent 工作，感觉像是同时在和一个"在系统编程领域工作了一辈子的顶级博士后"以及"一个10岁小孩"对话。
这两种感觉是同时存在的，而且切换得毫无规律。

他说模型现在在"可验证领域"表现得无比强悍，比如写代码、优化算法，只要有明确的对错标准，AI 就像开挂一样。
但一旦脱离了这个轨道，进入那些软性的、不好量化的领域，它就会开始游荡，做出莫名其妙的事情。

他举了一个特别逗的例子：现在最好的大模型，如果你问它讲一个笑话，大概率还是会告诉你那个"科学家为什么不相信原子？因为它会编造一切"的老段子。

模型的代码能力突飞猛进，但讲笑话这件事停滞不前，因为讲好笑话这件事根本没有被纳入强化学习的优化目标里。
也就是说，AI 的聪明是高度定向的，哪里有可量化的奖励信号，哪里就进步神速；哪里没有，它就像是被冻在了原地。

采访里有一个概念我觉得很值得单独说一下：auto research，也就是自动研究。
第一步，你定一个目标，比如"让模型训练更高效，validation loss 更低"。
第二步，AI agent 开始不断尝试不同的代码修改方案，就像一个永不停歇的研究员在做实验。
第三步，每次产出一个候选方案，都用客观指标来验证——是否真的更快、更准确。
第四步，把有效的方案保留下来，继续在这个基础上迭代。

这类任务有一个共同特征：找到答案极其困难，但验证一个候选答案是否正确，却相对容易。
这种"搜索代价高、验证代价低"的结构，特别适合用一大堆并行 agent 来做。

Karpathy 说他在想的一个更进一步的设想是：能不能让互联网上不受信任的人也参与进来贡献这种"提交"，然后用客观验证来筛选？这个架构听起来，有点像区块链——不是指加密货币，而是指那种"贡献难、验证易、去中心化协作"的思路。

Karpathy 还在采访里分享他给自家搞了一个叫"多比"的家庭 agent。

他让 agent 扫描家里局域网，找到了 Sonos 音响系统，自动逆向工程出 API 接口，然后他打了一句话："能帮我在书房里放点音乐吗？"
音乐就响了。

然后他用同样的方式接管了家里的灯光、空调、窗帘、泳池、温泉还有安全摄像头。
现在他家门口来了快递，"多比"会截图发一条 WhatsApp 消息给他："一辆联邦快递的车刚进来了，你可能收到包裹了。"

他之前管这些事要用六个不同的 app，现在只用自然语言和"多比"说话。

主持人问 Karpathy：现在你的能力边界被什么限制？
他想了一下说：感觉什么都是 skill issue。

意思是，现在 AI 的能力上限很高，大多数时候事情没做成，不是工具不够好，而是你还没想清楚怎么把工具用起来。
或许是你的 agents 配置文件没写好，你给 agent 的 memory 工具不够精细，你的任务拆解方式不够聪明。

他说自己在 PhD 时代，GPU 闲着就会焦虑，觉得自己没把可用的算力最大化。
现在他有类似的焦虑感，盯着自己的订阅 token 用量，如果 token 还有剩余，就说明自己没把 agent 吞吐量跑满。

你能同时管几个 agent？你能把任务拆解得多细、多合理？这些才是现在真正稀缺的东西。

采访快结束的时候，Karpathy 聊到了教育这件事。
他最近做了一个叫 microGPT 的项目，大概 200 行 Python，把训练一个语言模型所需的核心算法提炼到了极简状态。

他说，以前如果他做了这样一个项目，他会录一个视频讲解，一步步带着人看代码。
但现在他不这么想了，因为代码已经足够简洁，任何人都可以把它扔给 agent，让 agent 用不同的方式、不同的语言、不同的深度来解释给自己听。

他不需要再直接教人了，他只需要把这个精华提炼出来，让 agent 去做教学的事。

"凡是 agent 能做的事，它们很快会比你做得更好。凡是 agent 做不到的事，那才是你真正应该花时间的地方。"