Skill Issue：Andrej Karpathy谈代码代理、AutoResearch与AI的Loopy时代

摘要

• Karpathy表示，软件工程在12月发生了逆转：从大约80/20的手写代码与代理委托，变成20/80，此后又进一步转向代理。 他说，自己此后“基本上”一行代码都没再敲过；他的操作瓶颈也从可用FLOPs，变成能在并行会话中调度多少“token throughput”。真正值得投资者关注的变化不只是代码生成更强，而是工程师开始通过大规模委托动作操纵代码仓库，人的编排能力成了瓶颈。

• 持续运行的“claw”指向一个会吸收传统软件接口的代理层。 Karpathy的Dobby代理发现了他的Sonos系统，逆向工程其API，并通过WhatsApp把灯光、暖通空调、窗帘、泳池、Spa和安防统一起来；6个独立应用实际上消失了。他的结论是“客户已经不再是人类”，这意味着定制UX层承压，而硬件、可访问API、身份、记忆、权限和安全代理基础设施的价值上升。

• AutoResearch表明，在目标可被清晰度量时，自动优化可以超过资深研究员的手动调参。 Karpathy手动调好自己的小型GPT训练实验场后，一夜运行的循环找到了他遗漏的交互，包括对value embeddings施加weight decay，以及更好的Adam betas。扩展逻辑很直接：在更小模型上探索数千个想法，低成本验证改进，再把胜出方案外推；研究员则从实验操作者变成想法供应商。

• 递归终点不只是模型改进模型，而是代理优化围绕模型编码的研究组织。 Karpathy把program.md视为对角色、流程和风险偏好的原始描述；不同版本可以进行基准测试，让模型学习哪些组织指令能带来更快进展。“LLM部分现在已经被视为理所当然”，随后是代理、持续运行的claw、多代理系统，最终优化它们的指令。

• 自主性仍集中在可验证领域，壮观的能力与通用智能之间依然存在实质鸿沟。 CUDA优化很理想，因为速度和正确性都可度量；但更柔性的意图、判断、幽默，以及知道何时该澄清，仍不可靠。Karpathy把代理比作“一个极其聪明、终身从事系统编程的博士生，加上一个10岁孩子”。他预计会出现更多专门化智能，但表示在不损伤既有能力的前提下改变模型权重，这门科学仍不成熟。

• Karpathy谨慎乐观地认为，更便宜的软件起初会通过杰文斯悖论扩大工程需求，而不只是摧毁工作岗位。 比特的复制和操纵速度远超原子，短期内会形成数字重构的“沸腾汤”，过去成本过高的软件将变得短暂且高度定制。但他拒绝对长期结果做出自信预测，并指出一个令人不适的终点：前沿研究员正在“把自己自动化掉”。

• 这场讨论指向封闭的前沿“神谕”、落后约6到8个月的开放模型，以及随后把代理连接到物理世界的浪潮。 Karpathy认为这种平衡优于完全中心化的智能，同时设想互联网规模的群体：不受信任的算力可以通过昂贵搜索和廉价验证展开竞争。机器人应当落后，因为“原子难了一百万倍”；但传感器、实验室、付费数据采集，以及代理购买现实世界观测结果的市场，可能成为通往更大物理世界机会的桥梁。

精读

上游暂未提供，后续同步将继续补齐。