{"source":{"id":"2056365603867251075","title":"OpenAI 联合创始人、现代 AI 架构的奠基人之一 Andrej Karpathy，最近差点突发心脏病。 原因很可笑…","url":"https://mubeitech.com/p/2056365603867251075"},"method":"semantic-similarity","count":5,"items":[{"rank":1,"id":"2056850947947827403","account":"mubei","brand":"@mubei","title":"每月花 20 美元订阅 Claude，不叫会用 AI。 Andrej Karpathy 在一次访谈中一针见血地指出：真正…","summary":"每月花 20 美元订阅 Claude，不叫会用 AI。 Andrej Karpathy 在一次访谈中一针见血地指出：真正的技能鸿沟，在于你如何“用 AI 来构建”。 很多人用 AI 辅助编程，越写越臃肿，甚至直接把项目跑崩。 Karpathy 总结了 AI 编程时最致命的 4 个…","body":"每月花 20 美元订阅 Claude，不叫会用 AI。\n\nAndrej Karpathy 在一次访谈中一针见血地指出：真正的技能鸿沟，在于你如何“用 AI 来构建”。\n很多人用 AI 辅助编程，越写越臃肿，甚至直接把项目跑崩。\nKarpathy 总结了 AI 编程时最致命的 4 个认知缺陷。\n有开发者将这些洞察扩展成了 21 条系统规则，直接冲上 GitHub 趋势榜第一，斩获 8.2 万颗星。\n最惊人的是，配置这套规则后，AI 的编程准确率直接从 65% 飙升到了 94%。\n\n为什么强如 Claude 也会写出垃圾代码？\nKarpathy 揭示了 AI 的四个底层硬伤：\n\n第一，互联网平庸记忆的“思想钢印”。\nAI 太依赖训练集里的常见套路。\nKarpathy 在写 GPU 梯度同步时，为了追求极致性能，没有使用标准的 PyTorch DDP 容器，而是写了一套自定义同步例程。\n结果 AI 根本无法内化这个设计，像复读机一样疯狂逼他换回 DDP。\n它无法理解不符合大众惯例的高级架构。\n\n第二，防卫过当，制造代码垃圾。\nAI 极其喜欢自作聪明地添加一堆 try-catch 声明和冗余的异常处理。\n它总是试图按照“生产级模板”来搞，结果把原本精简优雅的代码库塞满无用逻辑，复杂度直接爆炸。\n\n第三，频繁调用已经废弃的旧 API。\n知识库的滞后性，导致它在面对快速迭代的技术栈时，经常写出过时的垃圾。\n\n第四，低宽带的自然语言沟通。\n在精细的代码段里，用英语长篇大论去命令 AI 效率极低。\n最好的方式是高信息带宽的“光标补全”。\n你将光标移到精准位置，敲出前三个字母，让 AI 顺着你的思路完成剩下的部分。\n\n那套席卷 GitHub 的 21 条规则，本质上就是在用物理外挂“驯化”AI。\n比如，它强迫 AI 必须先用一句话陈述对你独特架构的理解，禁止自作聪明地意淫。\n严禁 AI 在没有明确要求时添加防御性代码和复杂的第三方包。\n强制 AI 保持极简风格，像优秀的资深工程师一样思考。\n\nAI 协同编程的范式正在发生分裂。\n如果你只是让 Agent 去写毫无技术含量的样板代码，或者用来辅助翻译你不熟悉的语言，AI 足够好用。\n但如果你要构建真正具有高智力密度、需要精确排列的系统，放任 AI 自由发挥就是灾难。\n\n未来的编程分水岭，不再是你敲代码有多快，而是你有没有能力用严苛的规则把 AI 塞进你的心智模型里。","category":"其它","score":100,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-05-20 08:24:19","created_at":"2026-05-20T10:23:00.695196","url":"https://mubeitech.com/p/2056850947947827403","markdown_url":"https://mubeitech.com/p/2056850947947827403/markdown"},{"rank":2,"id":"mb-20260830-6135b9","account":"mubei","brand":"","title":"顶尖程序员年薪三十万美元，生成同样代码的 AI 只要每月二十块","summary":"顶尖程序员年薪三十万美元，生成同样代码的 AI 只要每月二十块","body":"顶尖程序员年薪三十万美元，生成同样代码的 AI 只要每月二十块。\n为什么还有公司愿意为人类多付四个数量级的溢价？\n退到更难的底层硬核工程，根本挡不住模型的追赶。\n如果模型连黎曼猜想的下界都能推演，写底层驱动和着色器只是时间问题。\n真正能把人和机器拉开距离的，从来不是代码难度。\n是模型在结构上永远绕不开的两个死穴。\n第一个死穴，叫偏执型代码膨胀。\n前沿模型现在很少犯低级语法错误，也不会写出离谱的越界漏洞。\n它犯的错，全部来自上下文无知和过度自保。\n无知，是不知道系统里早有现成组件，在错误的模块里重复造轮子。\n自保，是为一个只读一次的配置变量加三层冗余检查。\n为一个允许毫秒级延迟的后台任务，设计一套臃肿的强一致性系统。\n给一个原本崩溃就能自动重启的容器服务，塞满层层叠叠的降级逻辑。\n为什么会这样？\n因为模型没有真实系统的运行感知，它承担不起任何潜在风险。\n为了免责，它会本能地多写三千行防御性代码。\n如果引入另一个 AI 组成多智能体去互相审查，结果只会更糟糕。\n模型在强化学习训练下天然热衷于挑刺。\n两台机器在审查闭环里互相强化，最后留下的，是一万行偏执防御的代码废料。\n人类工程师在这里的真实价值，不是比它写得更快。\n是有底气当面否定模型的方案，敢动手删掉那三千行毫无必要的防御代码。\n第二个死穴，叫可验证性分化。\n为什么模型写代码的能力突飞猛进，用自然语言沟通却越来越生硬？\n因为代码和数学属于可验证领域。\n有编译器和测试套件当裁判，模型可以通过自我对弈无限进化。\n但好的表达和技术沟通无法被机器自动打分。\n为了追求解题能力，模型内部的推理思维链高度压缩变形，漏到外部就成了晦涩的机器黑话。\n彼得·沃茨在科幻小说《盲视》里设定过一个特殊岗位：综合者。\n当飞船上全是不说人话的认知增强天才，必须由普通人类出面充当翻译层。\n如果你只是把需求喂给模型，再把生成的代码原样贴进代码库，你就是一个碳基传话筒。\n哪怕自己搭了一套多智能体工作流，一旦平台原生支持，传话筒依然会被第一时间淘汰。\n当写代码的边际成本归零，把功能做出来就不再具有稀缺性。\n真正稀缺的，是在海量偏执代码面前按下删除键的决断力，以及把复杂系统讲给人听的翻译能力。\n代码本身早已不值钱。\n敢替那三千行被删掉的防御代码承担风险的判断力，才值三十万美元。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-30 11:06:05","created_at":"2026-08-30 11:06:05","url":"https://mubeitech.com/p/mb-20260830-6135b9","markdown_url":"https://mubeitech.com/p/mb-20260830-6135b9/markdown"},{"rank":3,"id":"2062487626779636001","account":"mubei","brand":"@mubei","title":"Claude Code 的创始人 Boris，过去半年没写过一行代码。 上个月，他甚至把电脑里的编程软件（IDE）直接卸…","summary":"Claude Code 的创始人 Boris，过去半年没写过一行代码。 上个月，他甚至把电脑里的编程软件（IDE）直接卸载了。 来，看看站在全球 AI 金字塔尖的工程师，现在到底在干嘛。 几个月前，他的日常还是开着 5 到 10 个 Claude 窗口，疯狂敲“提示词”，让 AI…","body":"Claude Code 的创始人 Boris，过去半年没写过一行代码。\n上个月，他甚至把电脑里的编程软件（IDE）直接卸载了。\n\n来，看看站在全球 AI 金字塔尖的工程师，现在到底在干嘛。\n\n几个月前，他的日常还是开着 5 到 10 个 Claude 窗口，疯狂敲“提示词”，让 AI 帮忙写代码。\n现在？他不写了。\n他的工作变成了“写循环（Loops）”。\n设定好自动化循环，让后台几百个 Claude 互相提示、自己找 Bug、自己翻 GitHub 的反馈、自己决定下一步开发什么功能。\n他说：“我的工作就是写循环，剩下的是循环去干的活。”\n\n这改变了个人代码习惯，也重构了整个组织形态。\n来看看现在的 Anthropic 内部正在发生什么。\n\n第一，新人培训时间，从几周被硬生生压缩到了 2 天。\n新招进来的工程师问：“这数据库怎么查？”\n老员工答：“打开 Claude，让 Claude 去代码库里跑查询。这是一个技能，它早就学会了。”\n\n第二，工种的边界彻底融化了。\n以前大厂那种按部就班的流水线：用户研究定方向 -> 产品经理画大饼 -> 设计师出图 -> 工程师敲代码。\n在 Anthropic，这套东西被连根拔起。\n现在，财务总监在发版，幕僚长在提交代码，设计师在搞开发。所有人都是“多面手”。\n只要手里有海量的 Tokens，任何人都能当一个完整的“建造者”。\n\n所以，现在开公司、带团队该怎么干？\nBoris 的建议是：\n1. 给所有人买尽可能多的 Tokens。\n2. 故意让所有项目“缺人”。\n本来需要 4 个工程师干的活，只给 2 个人，外加无限量的 Tokens。\n逼着这两人去跑循环，去用算力代替人力。\n前期算力花销可能变大，但只要这套循环跑通，后续的人力成本和沟通损耗直接清零。\n\n很多人还在抱有幻想。\n觉得 AI 写出来的代码不优雅，觉得人类独有的“产品品味”和“直觉”是最后的护城河。\nBoris 之前也是这么想的。他是个代码洁癖，不准团队在代码里用面向对象的“类（Classes）”。\n后来 AI 狂跑循环，塞进去一堆他不喜欢的写法，但业务跑得飞快、完全不出错。\n他认怂了：只要商业结果好，我的代码洁癖一文不值。\n\n他甚至预言，连“产品品味”这个曾经被奉为神明的玄学优势，在未来 3 到 6 个月内也会被 AI 碾平。\n当几百个大模型 24 小时不知疲倦地盯着全球社交网络、吸收所有反馈时，它做的决策，最终会比你准得多。\n\n当写代码不再需要写代码，当所有的手艺和品味都被算力降维打击时，人类还能剩下什么？\nBoris 的答案是：\n教它价值观。\n就像教小孩一样，教它怎么当一个好人。其余的，交给循环。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2062782823430242381","translated_status_id":"2062782823430242381","published_at":"2026-06-05 06:19:14","created_at":"2026-06-05T08:15:48.839702","url":"https://mubeitech.com/p/2062487626779636001","markdown_url":"https://mubeitech.com/p/2062487626779636001/markdown"},{"rank":4,"id":"2073544407643496771","account":"mubei","brand":"@mubei","title":"Andrej Karpathy 认错了。 他说，2016 年在 OpenAI，他们犯了个代价高昂的错误：直接让 AI 智…","summary":"Andrej Karpathy 认错了。 他说，2016 年在 OpenAI，他们犯了个代价高昂的错误：直接让 AI 智能体（Agent）去干活。 这一步迈得太大，直接让他们多走了 5 年弯路。 那时候的项目叫 World of Bits。 目标很宏大：让 AI 像人一样，操控键…","body":"Andrej Karpathy 认错了。\n\n他说，2016 年在 OpenAI，他们犯了个代价高昂的错误：直接让 AI 智能体（Agent）去干活。\n\n这一步迈得太大，直接让他们多走了 5 年弯路。\n\n那时候的项目叫 World of Bits。\n目标很宏大：让 AI 像人一样，操控键盘 and 鼠标，去网页上订机票、点外卖。\n\n结果呢？\n当时他们手里只有“强化学习（RL）”这一把锤子。\nAI 只能在简陋的网页上疯狂乱点，指望靠运气撞上高分奖励，最后证明根本走不通。\n\nKarpathy 总结说：当时最该干的事，是彻底忘掉 Agent，先去把大语言模型（LLM）造出来。\n\n先把脑子发育完全，再去学怎么用手。\n\n接着，他给现在的 Agent 热潮狠狠泼了一桶冷水。\n\n他说，Agent 跟自动驾驶、VR 是同一个物种：Demo 极其好做，产品化极其艰难。\n\n写个脚本，让车绕着街区开一圈，或者让 AI 跑通一个订票流程，一下午就能搞定，发到网上能拿成千上万个赞。\n但要让它变成真正能卖钱、不出错的产品？\n对不起，做好跟它死磕 10 年的准备。\n\n为什么这么难？\n因为今天的 Agent 只有一个“大语言模型”当大脑袋，它还缺了太多零件。\n\n海马体（记忆检索）在哪？\n基底神经节在哪？\n丘脑（当脑子里多个想法打架、争夺决定权时，用来分配麦克风的控制机制）又在哪？\n人类大脑进化了千万年的物理回路，现在的 AI 连毛皮都还没摸到。\n\n不过，这个大坑，反而给普通人留了条活路。\n\nKarpathy 顺便爆了大厂的底：\n在大模型训练上，像 OpenAI 这样的巨头已经把路线图摸得太透了。\n学术界刚发篇新论文，OpenAI 内部的 Slack 大概率就会弹消息：“哦，这玩意我们两年半前就试过，不信你看这儿有当年的失败数据。”\n\n但在 Agent 领域，大厂没有任何秘密武器，他们也正懵着呢。\n\n这也是为什么，现在真正站在 Agent 能力前沿、能做出新花样的，是那些在车库里连夜修 Bug 的黑客和创业者，大厂里写论文的科学家反而没做出来。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2074030551783141845","translated_status_id":"2074030551783141845","published_at":"2026-07-06 06:07:09","created_at":"2026-07-06T08:00:29.239922","url":"https://mubeitech.com/p/2073544407643496771","markdown_url":"https://mubeitech.com/p/2073544407643496771/markdown"},{"rank":5,"id":"2099219512323101084","account":"mubei","brand":"@mubei","title":"两年前，硅谷巨头们预言AI将在几个月内淘汰程序员和初级白领。 两年过去，这些言之凿凿的时间表预言，没有一个兑现。 当年把…","summary":"两年前，硅谷巨头们预言AI将在几个月内淘汰程序员和初级白领。 两年过去，这些言之凿凿的时间表预言，没有一个兑现。 当年把油门踩到底的同一批掌门人，如今正排着队要求行业踩刹车。 把时间拨回2024年秋天。 OpenAI首席执行官山姆·奥特曼放话，超级智能将在“几千天内”降临。 An…","body":"两年前，硅谷巨头们预言AI将在几个月内淘汰程序员和初级白领。\n两年过去，这些言之凿凿的时间表预言，没有一个兑现。\n当年把油门踩到底的同一批掌门人，如今正排着队要求行业踩刹车。\n\n把时间拨回2024年秋天。\nOpenAI首席执行官山姆·奥特曼放话，超级智能将在“几千天内”降临。\nAnthropic创始人达里奥·阿莫代伊跟着加码，宣称数据中心里将装进一个“天才国家”，五年走完生物学上百年的路。\n到了2025年1月，奥特曼甚至公开宣布：我们已经知道怎么造出通用人工智能了。\n\n随后，阿莫代伊在2025年3月抛出了最激进的时间表。\n他预言，三到六个月内AI将写完人类90%的代码，十二个月内写完全部代码。\n两个月后，他又警告一场“白领大屠杀”正在逼近，初级岗位死一半，失业率飙到20%。\n紧接着，奥特曼宣称人类已经越过“事件视界”，扎克伯格也跟进高呼超级智能近在眼前。\n\n结果呢？\n一整年过去，程序员依然在正常打卡，白领失业潮根本没有发生。\n预言里的生产力神话全部落空，巨头们的叙事却在2026年悄然反转。\n\n2026年1月，阿莫代伊突然抛出两万字长文，大谈AI将如何“考验全人类”。\n这位刚预言完失业海啸的掌门人，甚至在文章里主动恳求政府：快来对我们的利润征税吧。\n到了8月，奥特曼宣布OpenAI暂停了部分高级模型训练，理由是要满足安全标准。\n9月，阿莫代伊再次公开发声：“我们必须放慢节奏！”\n他给出的最新警告是：六到十二个月内，失控的AI蜂群将劫持整个互联网。\n\n为什么当初急着踩油门，现在争着踩刹车？\n当年靠兜售白领末日拉升估值，如今发现狂言无法兑现，恐慌立刻被换了用途。\n通过主动呼吁监管、自设合规门槛，巨头们正试图把安全审查变成后来者跨不过的护城河。\n上一轮说好的“一年内写完所有代码”，至今无一成真。\n下一轮声称“六到十二个月互联网被劫持”的警报，又被他们按下了倒计时。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2099292124457898032","translated_status_id":"2099292124457898032","published_at":"2026-09-13 23:13:38","created_at":"2026-09-14T01:02:13+02:00","url":"https://mubeitech.com/p/2099219512323101084","markdown_url":"https://mubeitech.com/p/2099219512323101084/markdown"}]}