前OpenAI核心成员公开转型：八个月未亲笔写代码，用AI智能体替代手工编码

Andrej Karpathy 曾经是那个让全球开发者学会构建神经网络的人。

Stanford CS231n 的课程材料、YouTube上播放量破百万的《Neural Networks: Zero to Hero》，无数程序员因他而踏入深度学习领域。

如今，这位 OpenAI 创始人之一、前 Tesla AI 负责人说出了一句让整个技术圈震惊的话：他已将近八个月没有亲自动手写过一行代码。

2026年7月5日，投资人 Karl Mehta 在 X 上发布了一段视频剪辑，配文简短：

"He says he has not typed a line of code by hand since December. He now spends the day directing agents instead."

「他说自去年12月以来就没有手打过一行代码。现在他整天都在指挥 AI agents 工作。」

视频中截取的是 Karpathy 在No Priors播客上的原话，越听越令人深思：

"In December is when something flipped. I went from 80/20 writing code by myself, to 20/80, just delegating to agents."

「12月发生了某种转变。我从自己写80%代码、agents 仅承担20%，变成了自己只写20%，剩下80%全部交给 agents。」

"And I don't even think it's 20/80 by now. I think it's a lot more than that. I don't think I've typed a line of code since December."

「而且我现在认为这个比例早就超过20/80了。我觉得自12月以来我大概没有敲过一行代码。」

▲ Karl Mehta 2026年7月5日的转发，附上 Karpathy 在播客中的原话截取

这条推文点赞数虽然不算惊人，但转发和评论区的反应却很一致：有人感到震惊，有人表示不服，还有人翻出旧账质问，「他到底做出过什么成果？」（暗指 Tesla FSD 至今未完全落地，OpenAI 内部方向也多次调整）。

但争议归争议，这句话背后指向的问题，比一个人的履历重要得多。

时间回到2026年2月25日。Karpathy 在 X 上发布了一条长文，比 Karl Mehta 的转发更早，也更详尽。这条帖子后来获得了3.7万点赞、数百万浏览，是整件事最原始、最权威的第一手记录。

他写道，过去两个月编程领域发生的变化难以言表，它精确发生在去年12月的一次突变，来得突然，没有任何循序渐进的过程。

"Coding agents basically didn't work before December and basically work since - the models have significantly higher quality, long-term coherence and tenacity."

「coding agents 在12月之前基本无法正常工作，之后基本上就能用了，模型质量、长期连贯性和稳定性都有了显著提升。」

他举了一个具体到近乎炫技的例子。上周末，他想给家里的摄像头搭建一个本地视频分析仪表盘，于是他对 agent 说了这样一段话：

"Here is the local IP and username/password of my DGX Spark. Log in, set up ssh keys, set up vLLM, download and bench Qwen3-VL, set up a server endpoint to inference videos, a basic web UI dashboard, test everything, set it up with systemd, record memory notes for yourself and write up a markdown report for me."

「这是我 DGX Spark 的本地IP和用户名密码。登录进去，配置ssh keys，安装好vLLM，下载并跑分 Qwen3-VL，搭建一个视频推理的服务端点，做个基础网页仪表盘，全部测试一遍，用 systemd 部署好，给自己记录好笔记，再给我写份 markdown 报告。」

然后他就走开了。

30分钟后回来，agent 遇到了好几个问题，自己上网查资料，一个个解决，编写代码，测试，调试，把服务全部配置好，最后带着报告回来找他，一切都已完成，他一个字都没碰。

「这在三个月前轻松是个周末项目，今天你可以启动然后忘掉30分钟。」

▲ Karpathy 本人在X上的原始长帖，这是整件事最清晰的第一手书面证据

这条帖子发出后，业界反应迅速。Ruby on Rails创始人 DHH 回复说，这是自己入行以来见过「最大、最快的变化」。

这里有必要停一下，把这件事讲清楚一点。

过去写代码，像是自己抡锤子钉钉子。你打字越快，出活越快，瓶颈就是手速。

现在的画风变了。Karpathy 自己形容：他成了建筑师、项目经理、质检员三个角色叠在一身的存在，早就告别了那个抡代码的工人身份。丢给 agent 的任务，从一行代码或一个函数，升级成整套「宏观动作」，给我搭个完整的视频分析仪表盘，包含推理服务、网页界面、系统部署，全套。

他管这种长时间运行、带记忆、能在你不盯着的时候继续干活的 agent 实体，叫「claws」。多个 claws 同时在不同的项目上跑，感觉更像管理一个小型研究团队，写程序反倒成了顺带的事。开发者社区里，Peter Steinberger 分享过自己用多块屏幕平铺运行 Codex agents 的场景，一群机器人各自埋头干活，人只需要时不时扫一眼。

Karpathy 自己最出圈的案例，是把家里的智能家居系统整个逆向重做了一遍。Sonos音箱、灯光、暖通空调、安防摄像头，原本要装6个不同的App分别控制，他让 agent 一个个逆向这些设备的接口，最后统一塞进一个 WhatsApp 机器人里，起名叫「Dobby the elf claw」，张嘴说句人话就能控制全家设备。

6个App，被一个能听懂人话的机器人精灵取代了。

Karpathy 用了一个挺自嘲的词形容自己现在的状态，「AI psychosis」（AI精神病）。

具体什么样？他在No Priors播客里详细聊过，主持人是投资人 Sarah Guo。这期节目的标题起得毫不含糊：「Skill Issue: Andrej Karpathy on Code Agents, AutoResearch, and the Loopy Era of AI」，播出三个月，油管播放量已经91万+。

▲ No Priors 播客节目页面，Karpathy 完整阐述了自己的 agent 工作流

节目里他讲，每天大概花16个小时，用自然语言对着多个 agent「喊话」，同时管理和审查它们并行输出的结果。他甚至在做一个叫AutoResearch的项目，让 agents 自主设计实验、训练模型、优化参数，整个研究循环里没有人类插手。他形容自己惊讶地发现，agents 找到了一些他自己手动调参时都遗漏的细节，比如某些 weight decay 和 Adam 优化器参数之间微妙的相互作用。

瓶颈，从「打字速度」彻底转移到了「你能不能把想要的东西讲明白」。

"The bottleneck moved from how fast you can type to how clearly you can specify what you want. If your team still grades engineers on lines shipped, you are grading the part the machine already does."

「瓶颈从打字速度转移到了你能多清晰地描述想要的东西。如果你的团队还在用交付代码行数评估工程师，你评估的其实是机器已经替你做完的那部分。」

这句话后来被很多人反复引用，因为它精准地戳中了一个正在过时的行业习惯，用代码行数（LOC）衡量一个工程师的产出，本身已经变得荒谬。

Karpathy 也没有把这件事讲得完美无瑕。他承认 agents 目前状态很「参差」（jaggedness）：在能被清楚验证的任务上，它们强得可怕；但在需要品味、幽默感、微妙设计判断的地方，表现更像「一个10岁小孩和一个资深程序员的混合体」。人类的角色没有消失，只是从执行者变成了裁判和方向盘。

如果说 Karpathy 自己讲的是个人体验的爽感，那Forbes在2026年3月22日的一篇报道，把镜头转向了另一侧。

标题不留情面：《AI Agents Wrote 80% Of Karpathy's Code. Junior Developers Are Paying The Price》（AI agent写了Karpathy 80%的代码，而买单的是初级程序员）。

▲ Forbes 2026年3月22日报道，引用Stanford与BLS数据说明就业冲击

报道引用 Stanford 数字经济实验室基于 ADP 薪资数据的研究：22到25岁的年轻软件开发者就业人数，2022年之后下降了近20%；结合美国劳工统计局（BLS）数据，整体程序员岗位下降幅度达到27.5%，初级岗位的招聘广告数量下降接近40%。

Karpathy 自己在文章里也承认了这种复杂心情。他说这种感觉有点像「作弊」，曾经让自己引以为傲、需要几天才能磨出来的代码，现在免费、即时地就冒出来了。

问题的核心在于：初级程序员传统上靠大量写代码来积累直觉和手感，这条「练手」的路径正在被自动化吃掉。你没法靠写1000行 CRUD 代码来培养架构判断力了，因为 agent 十分钟就能写完，而且往往写得更规范。

新的门槛变成了：你能不能拆解问题、写清楚需求、设计出可验证的测试标准、在agent跑偏时一眼看出问题在哪。这些能力，恰恰是初级程序员最缺的。

行业内部并没有形成统一意见。

正面的声音很响亮。DHH 说这是「最快也最有趣的变化」；开发者工具作者 Kent C. Dodds 报告说自己项目里积压的issue被清空了，很多人说这是「15年编程生涯里最享受的一段时期」。

但质疑的声音同样存在。有开发者反映，涉及 UI 交互、网络通信、并发处理的生产级代码，agent 生成的质量依然参差不齐，需要反复人工review和重构。开发者 Rafał Kobyliński 专门发帖讨论过一类问题：某些设计缺陷天生就很难被自动化测试覆盖到，agent 再强也测不出来。

▲ 开发者 Haider 转述 Karpathy 的核心发言，这类转发在3月密集出现

Karpathy 自己对这种分歧有一个说法，他反复强调，「everything is a skill issue」（一切都是技能问题）。

意思是，大部分所谓「agent不行」的抱怨，根源其实是人不会用：prompt写得不够清楚，任务拆解得太粗糙，没有给agent配好记忆和工具链。他倾向于认为，只要用户学会正确的orchestration方式，agent的能力天花板还远没到。

但「参差性」这个事实本身，说明两种解释可能都对了一部分，模型确实在某些领域已经足够强，但在另一些领域，人类经验和判断依然不可替代。

抛开争论，有一件事已经足够清楚：用代码行数衡量工程师产出，这套沿用了几十年的评价体系正在报废。

如果一个团队还在用「这周提交了多少行代码」来打绩效，那本质上是在给机器已经完成的那部分工作发奖金。

Karpathy 提出的替代维度，包括：需求描述的清晰度、验证策略设计得好不好、agent的整体吞吐效率、最终交付系统的真实价值。这些都比「敲了多少个字符」更难量化，但也更接近工程真正的核心。

更宏观地看，他提到一个经济学概念，Jevons悖论。历史上，ATM机的普及本该让银行减少柜员，结果反而是开分行的成本降低了，柜员总数不减反增，直到很久以后才被其他因素抵消。Karpathy 用这个类比论证：软件变便宜之后，需求很可能爆炸式增长，岗位数量说不定不减反增。

代码正在从一件需要精心打磨的手工艺品，变成一种廉价、易变、随时可以丢弃重写的副产品。这可能会解锁远超今天想象力的应用数量，但也意味着，那些曾经值得骄傲的实现，会在瞬间贬值。

Karpathy 讲过一句挺重的话，是他早年去 OpenAI 时说的一句玩笑，现在读起来没那么好笑了：「如果我们成功了，我们都会失业。」

这话当年是自嘲，现在更像预言的一部分正在应验，只不过失业的顺序，先从最年轻、最没有议价能力的那一层开始。

但他同样强调，人类没有彻底出局，只是被推到了循环的另一端。agents能跑得很远，但什么值得做、边界划在哪里、最终结果是否真的符合意图，这些判断仍然需要一个人来拍板。每天16个小时的「manifest」，本身就是最好的证明，注意力和判断力，从来没有真正贬值，只是被重新定价了。

编译器出现的时候，程序员从写机器码转向了高级语言；云计算出现的时候，运维从管理物理机器转向了声明意图。每一次抽象层的跃迁，都伴随着一批旧技能的贬值和一批新技能的诞生。

这一次，轮到「打字」本身贬值了。

未解的问题还有很多：初级程序员的培养路径要怎么重新设计？agent写出来的代码，长期维护性和审美问题能不能真正解决？物理世界里的机器人，会不会以同样的速度追上来？

Karpathy 曾经是那个教会一代人怎么手写神经网络代码的老师。现在，他正在公开示范怎么「别再手写代码」。这个转折本身，或许比他讲过的任何话都更值得记住。