Kaparthy畅谈Claude+Code：键盘生草时，编程已死？

首页

热心网友

转载

2026-02-04

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

新智元报道

编辑：定慧

【新智元导读】Andrej Karpathy与Claude Code负责人Boris Cherny展开了一场关于编程未来的终极对谈。面对AI接管100%代码编写的现状，Karpathy坦言人类正处于「脑萎缩」与能力进化的十字路口。本文深度解析了从Software 2.0到Agentic Coding的范式转移，揭示了在Opus 4.5等强力模型加持下，程序员如何从「搬砖工」进化为「指挥官」，以及不仅要面对效率的飞跃，更要警惕「垃圾代码末日」的隐忧。

2026年的开篇，科技圈被一场关于「编程本质」的深度对话引爆。

这场对话的双方，一位是特斯拉前AI总监、OpenAI创始成员Andrej Karpathy，他是「Software 2.0」概念的提出者，一直站在编程范式转移的最前沿；另一位是 Claude Code 的缔造者、Anthropic 的核心人物Boris Cherny，他正在亲手打造终结传统编程的工具。

他们的讨论不仅仅是关于工具的迭代，更像是一场关于人类技能边界的哲学思辨。

当代码不再由人类一个个字符敲击而出，我们究竟是在进化，还是在退化？

这场对话揭示了一个残酷而兴奋的事实：

我们正处于从「命令式编程」向「声明式意图」彻底转型的奇点。

「我两个月没手写过一行代码了」

从辅助到接管

震撼的开场白来自 Claude Code 的负责人 Boris Cherny。

「两天狂发 49 个 PR！」这是 Boris 团队目前的工作常态。

他透露，Claude Code 团队目前的开发工作几乎100% 由 Claude Code 结合 Opus 4.5 完成。

「对我个人而言，这种情况已经持续两个多月了，我甚至不再手动进行任何小微信调。」 Boris 的话语中透着一种跨越时代的自信。

无论是在 CLI 命令行，还是在 iOS 手机端，代码的生成、测试、提交，全流程由 AI 接管。

这不仅仅是一个效率提升的故事，而是一个工作流重构的故事。

Boris 分享了他极其硬核的「AI 原生」工作流：他通常会在终端同时运行 5 个 Claude 实例，甚至在 Web 端再开 5-10 个。

他不再是那个逐行敲代码的工匠，而是一个指挥着一支 AI 军团的指挥官。他使用「Plan Mode」（计划模式）让 AI 先思考策略，确立方案后再切换到执行模式。这种「并行化开发」的能力，让一个人的产出足以匹敌一个传统的小型开发团队。

而 Karpathy 的体验也印证了这一点。

他在长文中感叹：

「2025年11月，我还是80%手动+20%AI；到了12月，直接变成了80% AI + 20%手动。」

「我在用英语编程。」

Karpathy 略带自嘲但也无比诚实地承认，「这有点伤自尊，告诉 AI 该写什么，就像在指挥一个实习生。但当你习惯了那种大规模驾驭软件的『代码操作』能力后，你根本回不去了。」

深度解析

从 Software 2.0 到 Agentic Coding

要理解 Karpathy 的震撼，我们必须回溯他在 2017 年提出的「Software 2.0」概念。

当时的 Software 2.0，是指用神经网络权重替代人工编写的逻辑（Software 1.0）。程序员的角色从「编写规则」变成了「整理数据」。

而今天，我们正在迈入Software 3.0或者说是Agentic Coding（代理编码）的时代。

在这个阶段，只有「意图」（Intent）是人类提供的，而实现细节（Implementation）完全由 AI 掌控。

Karpathy 敏锐地指出，这种转变标志着编程范式从「命令式」（Imperative）向「声明式」（Declarative）的终极飞跃。

过去：你需要告诉电脑「第一步做什么，第二步做什么，如果出错怎么办」。

现在：你只需要定义「成功标准是什么」。

正如 Boris 团队所实践的，利用 Claude Opus 4.5 强大的长程推理能力和CLAUDE.md这样的记忆文件，AI 能够理解项目的整体架构上下文。

Opus 4.5 在CodeClash.ai等基准测试中展现出的统治力，证明了它不仅仅是一个代码补全工具，而是一个具备逻辑推理、能够自我修正的「工程师」。

它不仅能写代码，还能管理依赖、重构架构、甚至编写测试用例来验证自己的代码。

这种「循环验证」（Looping）能力是 Agentic Coding 的核心。

AI 不再是写完就忘，它会在一个封闭的循环中运行测试、读取报错、修改代码，直到通过测试为止。

这正是 Karpathy 提到的「Feel the AGI」（感受通用人工智能）的时刻——看着 AI 在30分钟内不知疲倦地尝试几十种方案最终解决难题，人类感受到了前所未有的「杠杆效应」。

10x 工程师的重新定义

通才的胜利

随着 AI 接管具体的编码工作，「程序员」这个职业的定义正在被剧烈重写。

Boris 直言不讳：「我们现在倾向于招募『通才』（Generalists）。」

在 LLM 能够自动补全所有技术细节的时代，过去那些死记硬背的 API、特定语言的奇技淫巧，不再是护城河。

你不需要记住 Python 的某个库函数的具体参数，因为 AI 肯定记得比你清楚。

真正的「10x 工程师」依然存在，但他们的能力模型发生了重组。

未来的顶级工程师将是那些拥有宏观视野的人——他们必须是能横跨产品与设计、业务甚至底层架构的多面手。

他们是产品经理：能清晰定义需求，识别伪需求。

他们是架构师：能设计高可用的系统结构，指挥 AI 去填充模块。

他们是测试官：能敏锐地发现 AI 逻辑中的漏洞，制定严格的验收标准。

Karpathy 也提出了深刻的疑问：「借助 LLM，通才是否会全面碾压专才？」

答案似乎是肯定的。AI 擅长填补微观的细节（Fill in the blanks），而人类需要负责宏观的战略（Grand Strategy）。未来的编程，更像是玩《异星工厂》（Factorio）或者《星际争霸》——你在指挥千军万马，而不是亲自去挖每一块矿石。那些只专注于「把需求翻译成代码」的初级程序员（Junior Devs），将面临最严酷的生存危机。

「废用性萎缩」与「Slopacolypse」

繁荣背后的阴影

然而，这场革命并非没有阴影。Karpathy 最深刻的担忧在于——「脑萎缩」（Atrophy）。

「我已经注意到，我手动写代码的能力正在缓慢退化。」

Karpathy 描述这种感觉。

在大脑的认知功能中，生成（Generation）和辨别（Discrimination）是两种完全不同的能力。

以前的程序员通过大量的「生成」训练（写代码）来强化逻辑；而现在，我们越来越依赖「辨别」能力（Review 代码）。

这就像计算器的普及让我们丧失了心算能力一样。

虽然我们还能读懂代码（Review），但那种从零构建系统、对每一行代码都了然于胸的「肌肉记忆」正在消失。当你不再亲自处理内存管理、不再亲自调试并发死锁，你对计算机系统的底层理解是否也会随之肤浅化？

更可怕的是 Karpathy 预测的2026年「Slopacolypse」（垃圾代码末日）。

随着 AI 生成内容的泛滥，互联网和代码库可能被大量低质量、看似正确实则充满隐患的「垃圾」（Slop）填满。

GitHub 上可能充斥着由 AI 生成的、无人能维护的「屎山」。