9小時前，Andrej Karpathy發(fā)了條推文，說他"從沒感覺自己這么落后過"。

就是那個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"這個詞的發(fā)明人。

他說的原話是：

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

我看到這條的時候，正好剛結(jié)束一天12小時的AI編程。說實話，第一反應(yīng)是：連他都慌了？

Karpathy到底說了什么

他的完整推文是這樣的：

作為程序員，我從沒感覺自己這么落后過。這個職業(yè)正在被劇烈重構(gòu)，程序員貢獻的部分變得越來越稀疏。我有種感覺，如果能正確串聯(lián)過去一年出現(xiàn)的這些東西，我能強10倍。而沒能獲得這個提升，明顯是skill issue。 現(xiàn)在有一個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)上隨機的、會出錯的、不可理解的、不斷變化的實體建立一個全面的心智模型——而這些東西突然和傳統(tǒng)的工程混在了一起。 顯然，某個強大的外星工具被分發(fā)了出來，但它沒有說明書，每個人都得自己摸索怎么拿、怎么用。與此同時，9級地震正在撼動這個職業(yè)。 擼起袖子，別掉隊。

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

這些東西，18個月前大部分還不存在。

評論區(qū)炸了

這條推文下面的評論特別有意思，兩種截然不同的聲音：

一邊是"從沒覺得自己這么強"：

Ian Patrick Hines，一個做前端的政治技術(shù)顧問說：

"作為一個一直在代碼邊緣的人（會前端不會后端），我從沒覺得自己這么有能力追上。我感覺自己什么都能做，唯一的限制是想象力。太刺激了。"

更夸張的是一個叫RidgetopAi的地板銷售：

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

另一邊是"根本追不上"：

有人說："everyone has to come to terms with the fact that there is no catching up, in the long run"（長遠來看，每個人都得接受一個事實：沒有追上這回事）。

還有人說："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多萬訂閱者的newsletter作者。他說：

"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教會了全世界深度學(xué)習(xí)。他領(lǐng)導(dǎo)過特斯拉的AI。 如果他都覺得自己'明顯落后'...這說明了一切。 這條推文的confession是：原始智力和深厚的技術(shù)知識不再保證精通。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)于編排一堆沒人能完全控制的隨機系統(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。

我的真實體感：每天12小時后的結(jié)論

說回我自己。最近三天又在瘋狂用AI編程工具，每天12小時以上，大幅迭代了2個產(chǎn)品，開發(fā)完了一個接近上萬行代碼的app。

幾個真實感受：

1、Claude Opus 4.5確實是目前最強的

Karpathy說要為"fundamentally stochastic, fallible, unintelligible"（本質(zhì)上隨機的、會出錯的、不可理解的）的系統(tǒng)建立心智模型。這話沒錯，但不同模型的"隨機程度"差很多。

Opus 4.5穩(wěn)得一批，在Claude Code和Cursor里都好用。它的"隨機性"是可控的——你大概能預(yù)期它會做什么，不會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，后端開發(fā)能力巨好。能跑的時間無比長，經(jīng)常一個任務(wù)跑一個多小時，然后完全沒有bug。

但速度也是真的慢，思考時間過久。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跑起來很容易一個項目就花完整個月的用量。Claude Code的計費方式友好很多。

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，很大程度上是因為Anthropic有模型優(yōu)勢——他們可以更"無所畏懼"地給模型投喂代碼上下文，不用擔(dān)心成本。

4、Codex的上下文工程確實更好

Karpathy提到的15個新原語里，"contexts"可能是最關(guān)鍵的一個。

Codex會很好地進行自動化compact，所以基本上可以在一個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更適合每個獨立任務(wù)都新開窗口執(zhí)行。

5、多任務(wù)并行完全可行

在Cursor內(nèi)開多個終端，分別執(zhí)行Claude Code和Codex，沒問題。我有過同時跑5個不同任務(wù)，相互沒造成任何干擾的情況。前提是任務(wù)之間做的內(nèi)容比較獨立。

說實話，我平時寫代碼時，經(jīng)常是多個AI工具一起開著。不是哪個最強就只用哪個，而是不同任務(wù)用不同模型。

6、國產(chǎn)模型也能用了

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

在這個情況下，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"沒有說明書的外星工具"

回到Karpathy說的核心問題：這是一個"沒有說明書的外星工具"。

其實沒有說明書是好事，比如我從去年開始就做了我的知識星球「AI編程：從入門到精通」，我一個壓根不會寫代碼，沒有經(jīng)過科班工程師訓(xùn)練的人，憑什么還去教別人用AI編程呢？

其實事實情況就是，因為這個產(chǎn)品沒有說明書，所以它有豐富的可能性，它的說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編程工具開發(fā)過各種各樣的東西，我估計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： 上線過幾十個網(wǎng)站，開發(fā)上架過7個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)很強了，無論是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。

評論區(qū)有人說得好：

"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，而是知道什么時候把什么連在一起。）

還有人說：

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

看完評論區(qū)，我覺得現(xiàn)在的程序員可以分成幾類：

第一類：外行

10個月前不會開終端，現(xiàn)在玩得很開心。他們沒有"傳統(tǒng)工程"的包袱，直接進入新范式。AI對他們來說就是理所當(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)在突然覺得什么都能做。AI補上了他們原來欠缺的能力，讓他們第一次覺得"完整"了。

第三類：傳統(tǒng)精英型

深厚的技術(shù)功底，對確定性系統(tǒng)有深刻理解。但現(xiàn)在面對"隨機的、會出錯的、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"。然后被同事遠遠甩開。

有意思的是，第一類和第二類反而可能適應(yīng)得最快。因為他們沒有"正確的工程應(yīng)該是怎樣的"這個框架要打破。

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）。

具體怎么擼？

評論區(qū)有人給了個框架：

"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)勢不在寫代碼本身） "half of it will be dead, obsolete or abstracted away"（一半的東西會死掉、過時或被抽象掉） "80/20 still applies"（二八定律仍然適用）

我的補充：

1、別只用一個工具

不是找到"最強的"然后只用它。而是理解每個工具的特點，組合使用。我現(xiàn)在經(jīng)常同時開著CodeX、Claude Code和Cursor，不同任務(wù)用不同的。

2、Context是關(guān)鍵

Karpathy列的15個原語里，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?，F(xiàn)在不一樣了，你得學(xué)會和"有時候能行有時候不行"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，不如快速迭代驗證。

4、別抵抗

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

這一年我寫了很多AI編程的文章，也看到AI編程切切實實在距離普通人越來越近了。我在想一個問題：當(dāng)所有人都能用AI編程，你的優(yōu)勢在哪？

現(xiàn)在看來，答案可能是：你對這個"沒有說明書的外星工具"理解得有多深。

Karpathy說9級地震正在發(fā)生。我覺得他說得對。但地震之后，總有人會建起新的城市。

可以的話，成為這個新城市的建造者。

或至少，成為這個新城市的居民，別讓自己停滯在地震倒塌的廢墟之中。