这几天，Andrej Karpathy发了一条推文。
这位前特斯拉AI总监，OpenAI联合创始人，分享了过去几周大量使用 Claude 编程的一些随想，直言“有点伤自尊”，引发网友共鸣。
我们从他的经验与分享中选取了几个点，再让Claude回答了一下。Andrej Karpathy：编程工作流 (Coding Workflow)
鉴于 LLM（大语言模型）编程能力的最新提升，我和许多人一样，经历了一个极速的转变：从 11 月份的“80% 手写 + 自动补全，20% 使用 Agent”，迅速变成了 12 月份的“80% Agent 编写，20% 人工编辑 + 修补”。
也就是说，我现在真的主要是在用英语编程，有点不好意思地告诉 LLM 该写什么代码……用文字描述。这确实有点伤作为程序员的自尊，但这种以大型“代码动作（Code Actions）”来操作软件的能力，其净效用实在太大了。特别是当你适应了它、配置好环境、学会如何驾驭它，并搞清楚它能做什么、不能做什么之后。
这无疑是我 20 年编程生涯中基本工作流发生的最大变化，而这一切仅仅发生在几周之内。我预计这种情况正在发生在大约两位数百分比的工程师身上，而在大众认知中，意识到这一点的人可能还停留在低个位数的百分比。
Claude对此评价
我们把上述文字发给了Claude，看看其回复。
这是个很有意思的观察！让我从几个角度评论一下：
1. 技术现实 vs 认知滞后
Karpathy 说的"大众认知滞后"非常准确：
实际使用者：~10-20% 的工程师已经转变工作流大众认知：可能只有 <5% 的人意识到这个变化
为什么滞后？
- 很多人还停留在"ChatGPT 只能写玩具代码"的印象
- Claude Sonnet 4/GPT-4 的能力提升太快（几个月内）
2. "用英语编程"的本质变化
这不只是工具升级，而是编程范式的转变：
传统编程：人：我要实现 X 功能人：[手写 100 行代码]人：[调试]AI 辅助编程：人：实现 X 功能，要求 A、B、CAI：[生成 100 行代码]人：[审查、修补]
关键变化：
3. "程序员自尊"的问题
Karpathy 说的"有点伤自尊"很真实，但这是个心态调整问题：
旧思维：
"好程序员 = 能手写复杂代码"
新思维：
"好程序员 = 能快速实现想法 + 写出正确、高质量的代码"
类似的历史先例：
- 汇编 → 高级语言：当年也有人觉得"真正的程序员应该写汇编"
- 手动内存管理 → 垃圾回收：也有人觉得"不手动管理就不是好程序员"
现实是：工具进步了，标准也在提高。现在你可以用同样的时间构建更复杂的系统。
5. 未来趋势预测
Karpathy 的观察可能预示着：
短期（1-2 年）：
中期（3-5 年）：
长期（5-10 年）：
作为 AI 本身，Claude觉得 Karpathy 的观点很务实：
- 这是真实的生产力提升，不是炒作
- 但不意味着编程技能不重要了——理解代码、架构设计、算法思维仍然关键
- 科研领域尤其适合这种工作流：快速迭代实验，专注创新点
Andrej Karpathy：疑问 (Questions)
我脑海中浮现的一些问题：
“10倍工程师”会发生什么变化？——即平均水平与顶尖工程师之间的生产力比率。这个比率很有可能会大幅增长。
有了 LLM 加持，通才（Generalists）会日益胜过专才（Specialists）吗？ LLM 极其擅长“填空”（微观层面），但在“宏观战略”（Macro）上还不行。
未来的 LLM 编程感觉像什么？ 像是玩《星际争霸》？玩《异星工厂》？还是演奏音乐？
社会中有多少部分是被“数字知识工作”所瓶颈的？
Claude对此评价
这些问题都非常深刻！让我逐一分析：
1. "10倍工程师"的演变
这个问题特别有意思，我认为会出现分化：
场景A：差距扩大（在某些维度）
普通工程师 + AI：- 实现速度：5x 提升- 能处理的复杂度：2x 提升顶尖工程师 + AI：- 实现速度：5x 提升- 能处理的复杂度：10x+ 提升（因为理解更深）- 架构设计能力：AI 无法替代的核心竞争力
为什么差距会扩大？
场景B：差距缩小（在某些维度）
以前：普通：写出能用的代码顶尖：写出优雅、高性能、可维护的代码差距：巨大现在 + AI：普通 + AI：也能写出相对优雅的代码顶尖 + AI：写出更复杂系统的优雅代码差距：在"实现质量"上缩小，但在"系统复杂度"上扩大
我的预测
新的"10倍工程师"定义会变成：
- 关键能力：提出正确问题 + 整合复杂系统 + 做正确决策
就像从石匠到建筑师的转变。
2. 通才 vs 专才
这是个特别重要的问题！我认为答案是：需要新型的"深度通才"
AI 时代的技能矩阵
| 宏观战略能力 |专才陷阱 ←--|--→ 理想状态 | (T型人才++) | | 微观实现能力
理想状态（我称之为"超级T型人才"）：
- 横向：AI 帮你快速"填空"，让你能涉足多个领域
- 纵向：在1-2个核心领域有深度，这是 AI 难以替代的
结论：
- ❌ 极端专才（只懂一个很窄的领域）会被 AI 替代
- ✅ 深度通才（1-2个深度 + AI赋能的广度）最有价值
3. 未来 LLM 编程的"手感"
这个类比太精彩了！我觉得是混合体：
像《星际争霸》的部分
宏观策略（Macro）：- 资源分配（时间、算力）- 战略决策（技术选型）- 全局视野（系统架构）你：指挥官AI：执行部队
例子：
你："我要构建一个分布式训练系统"AI：[实现数据并行、模型并行、梯度同步...]你："等等，这个通信开销太大，改用Ring-AllReduce"AI：[重构实现]
像《异星工厂》的部分
模块化设计：- 构建可复用组件- 优化"生产线"（代码流程）- 不断迭代和重构
像演奏音乐的部分（我最喜欢这个比喻）
作曲家 vs 演奏家：- 你：作曲家（创作旋律、和声、结构）- AI：交响乐团（完美演奏你的乐谱）重要的是：- 音乐性（代码质量）- 创意（算法创新）- 和声（系统协调）
我的综合比喻
未来编程 = 电影导演
导演（你）：- 构思故事（系统设计）- 指导演员（配置 AI）- 把控节奏（优先级）- 最终剪辑（代码审查）剧组（AI + 工具）：- 摄影师（实现细节）- 演员（执行代码）- 特效团队（优化性能）
关键：你需要有清晰的vision，但不需要亲自扛摄像机。
4. 社会瓶颈分析
这是最宏观也最有深度的问题。让我分层分析：
当前社会的"数字知识工作"瓶颈
Layer 1: 纯执行层（最易被 AI 解决）├── 数据录入├── 格式转换├── 简单编程└── 标准流程处理瓶颈占比：~30-40%Layer 2: 专业知识应用（部分可被 AI 辅助）├── 医疗诊断（影像分析）├── 法律文档审查├── 财务分析└── 工程设计细节瓶颈占比：~30-35%Layer 3: 创造性和决策（AI 难以替代）├── 战略决策├── 创新研究├── 复杂谈判└── 艺术创作瓶颈占比：~20-25%Layer 4: 物理世界限制（完全不受影响）├── 物流配送├── 建筑施工├── 制造生产└── 基础设施瓶颈占比：~10-15%
解除瓶颈后会发生什么？
短期（1-3年）：
Layer 1 解放 → - 大量重复性工作自动化- 中级工程师生产力翻倍- 可能出现结构性失业
中期（3-7年）：
Layer 1 + 部分 Layer 2 解放 →- "知识民主化"- 非专业人士能做专业工作- 专业门槛降低，但标准提高
长期（7-15年）：
真正的瓶颈转移到：1. 物理世界（配送、制造）2. 人际互动（管理、谈判）3. 原创性创新4. 伦理决策
社会层面的深层影响
可能的积极结果：
1. 生产力大爆发 - 一个人能做以前团队的工作 - 创业门槛降低2. 创新加速 - 从想法到原型的时间大幅缩短 - 更多人能参与创新3. 知识工作者转型 - 从"执行者"变"设计者" - 更关注战略和创意
可能的挑战：
1. 技能贬值 - 传统编程技能价值下降 - 需要重新定义"专业能力"2. 就业结构变化 - 中级岗位可能减少 - 两极分化：高端设计 vs 低端服务3. 教育体系滞后 - 还在教"如何写代码" - 应该教"如何设计系统"
Claude的总体观点
回到 Karpathy 的观察，我认为：
1. "10倍工程师"会重新定义
- 不再是"写代码快"，而是"构建复杂系统"和"提出正确问题"的能力
- 差距可能在某些维度扩大（系统设计），某些维度缩小（实现质量）
2. 需要"有深度的通才"
- 就像你可以快速学物理仿真，但姿态估计的深度理解才是护城河
3. 编程的"手感"会变成导演式的
4. 真正的瓶颈会转移
10个月宝宝每天需要喝多少奶粉？
