作者 ｜ 大模型機動組
郵箱 ｜ damoxingjidongzu@pingwest.com

在舊金山Moscone中心舉行的首屆YC AI創業學校上，OpenAI創始科學家、特斯拉前AI總監Andrej Karpathy發表了最新演講。

以下是Andrej Karpathy的演講全文。

1

軟件的三次“重生”革命，3.0正吞噬舊代碼

我很高興今天能在這里與大家討論人工智能時代的軟件。我了解到你們中很多人是本科生、碩士生、博士生等，即將進入行業。我認為現在進入行業是一個非常獨特且有趣的時刻。從根本上說，原因在于軟件正在再次變革。

我說“再次”是因為我之前做過這個演講，但問題是軟件一直在變化。因此我有很多素材可以講新內容，我認為它正發生根本性的改變。粗略地說，軟件在基礎層面上已有70年沒有太大變化。而在過去幾年里，它大約發生了兩次相當快速的變革。因此，現在有大量的工作要做，有大量的軟件需要編寫和重寫。

那么，我們來看看軟件的領域。如果我們把它想象成軟件的地圖，這里有一個很酷的工具叫“GitHub地圖”。這就像是所有已編寫軟件的集合。它們是指示計算機在數字空間執行任務的指令。放大這里，你會看到各種不同的代碼庫，所有這些都是已編寫的代碼。

幾年前，我觀察到軟件正在發生變化，出現了一種新的軟件類型。我當時稱之為軟件2.0。其理念是：軟件1.0是你為計算機編寫的代碼；軟件2.0本質上是神經網絡，特別是神經網絡的權重。你不是直接編寫這些代碼，而是通過調整數據集，然后運行優化器來創建神經網絡的參數。當時，神經網絡更多被看作是一種不同的分類器，比如決策樹之類。所以我認為這種框架描述更為貼切。

現在，我們在軟件2.0領域有了類似GitHub的替代品。我認為Hugging Face基本上就是軟件2.0的GitHub，還有Model Atlas。如果你好奇，可以可視化那里編寫的所有代碼。順便說一句，那個巨大的圓圈，中間的點，是圖像生成器Stable Diffusion的參數。因此，每當有人在Stable Diffusion模型上調整LoRA時，你本質上是在這個空間創建了一個Git提交，并創建了一種新的圖像生成器。所以，軟件1.0是編程計算機的代碼；軟件2.0是編程神經網絡的權重。

這是AlexNet圖像識別神經網絡的一個例子。

到目前為止，我們熟悉的神經網絡都像是功能固定的計算機，比如圖像分類之類。我認為改變在于，神經網絡通過大語言模型（LLM）變得可編程，這是一個根本性的變化。我認為這很獨特。這是一種新型計算機，因此值得賦予它一個新的名稱：軟件3.0。本質上，你的提示詞現在就是編程LLM的程序。值得注意的是，這些提示是用英語寫的。所以這是一種非常有趣的編程語言。

1

用英語編程“人類靈魂”，提示詞成了新代碼

或許可以這樣總結區別：以情感分類為例，你可以寫一些Python代碼來做情感分類，或者訓練一個神經網絡，或者提示一個大語言模型。這里有一個簡短的提示，你可以想象通過改變它，以稍微不同的方式編程計算機。所以，我們有軟件1.0、軟件2.0，我認為我們現在看到很多GitHub代碼不僅僅是代碼，還夾雜著大量英語。

因此，我認為這是一種日益增長的新型代碼類別。這不僅是一種新的編程范式，而且令人驚訝的是，它是用我們的母語英語編寫的。幾年前，這讓我感到震驚，我在推特上發了這個想法，引起了很多人的關注。我目前置頂的推文就是：令人矚目的是，我們現在在用英語編程計算機。

現在，當我在特斯拉時，我們正在開發自動駕駛系統，試圖讓汽車能夠駕駛。我當時展示了一張幻燈片，想象一下汽車的輸入在底部，它們經過一個軟件棧來產生轉向和加速信號。我觀察到當時自動駕駛系統中有大量C++代碼，這是軟件1.0的代碼。然后還有一些用于圖像識別的神經網絡。我觀察到，隨著時間的推移，隨著我們改進自動駕駛系統，神經網絡的能力和規模都在增長。此外，所有的C++代碼被刪除，很多最初用1.0編寫的能力和功能都遷移到了2.0。例如，跨不同攝像頭圖像和跨時間的信息拼接工作，現在都由神經網絡完成。

我們能夠刪除大量代碼，貫穿整個自動駕駛軟件棧。當時我覺得這非常了不起。我認為我們現在又看到了同樣的情況，一種新型軟件正在“吞噬”整個軟件棧。

我們有三種完全不同的編程范式。我認為如果你要進入這個行業，熟練掌握這三種范式是個好主意，因為它們各有優缺點。你可能想用1.0、2.0或3.0來編程某些功能，或者訓練神經網絡，或者直接提示LLM。這應該是顯式代碼嗎？等等。我們都必須做出這些決定，并可能在這些范式之間流暢地切換。所以現在我想深入探討的是，在第一部分，談談LLM，如何思考這種新范式及其生態系統，它是什么樣子。比如這臺新計算機是什么樣子？生態系統又是什么樣子？

1

我們正處在LLM的‘大型機時代’——云端分時系統，個人計算革命還未到來。

很多年前，吳恩達的一句話讓我印象深刻，我想他接下來會發言，他當時說“AI是新的電力”。

我確實認為這捕捉到了一些非常有趣的東西，因為現在的LLM確實具有公用事業的特質。像OpenAI、Gemini、Anthropic等LLM實驗室投入資本開支來訓練LLM，這類似于建設電網；然后有運營開支通過API向我們所有人提供智能服務。這是通過計量訪問實現的，我們按百萬token之類的方式付費。我們對這個API有很多類似公用事業的需求：低延遲、高可用性、一致的質量等等。

在電力系統中，你會有一個轉換開關，可以在電網、太陽能、電池或發電機等電源之間切換。對于LLM，我們有像OpenRouter這樣的工具，可以輕松地在不同類型的現有LLM之間切換。因為LLM是軟件，它們不爭奪物理空間。所以擁有6個電力提供商也沒問題，你可以在它們之間切換，因為它們不是以這種直接方式競爭。我覺得非常有趣的是，就在前幾天我們看到很多LLM宕機，人們被困住無法工作。當最先進的LLM宕機時，就像是世界范圍內發生了智能“停電”。這就像電網電壓不穩定時，整個星球都變得“更笨”了。

我們對這些模型的依賴已經非常顯著，而且我認為將繼續增長。但LLM不僅具有公用事業屬性，也可以說它們具有一些晶圓廠的特性，原因在于構建LLM所需的資本開支確實相當巨大。這不僅僅是建造某個發電站那么簡單，對吧？你需要投入巨額資金，而且我認為相關技術的“科技樹”正在快速發展。所以我們處在一個擁有深度“科技樹”的世界，研發的秘密正集中在LLM實驗室內部。

但我認為這個類比有點模糊，因為如我所言，這是軟件，而軟件的可防御性較低，因為它非常容易修改。所以這只是個值得思考的有趣事情。

1

技術擴散逆向革命，煮雞蛋比導彈更早用上AI

你可以做很多類比，比如4納米工藝節點。也許它類似一個具有特定最大FLOPS的集群。你可以想想：當你使用Nvidia GPU，只做軟件而不做硬件時，這有點像無晶圓廠模式。但如果你像谷歌那樣，自己構建硬件并在TPU上訓練，那就有點像英特爾模式，擁有自己的晶圓廠。所以我認為這里有一些說得通的類比。

但實際上，我認為最貼切的類比或許是，在我看來，LLM與操作系統有著非常強的類比性。因為它不僅僅是電力或水。它不是像水龍頭流出的商品。它們現在是日益復雜的軟件生態系統。因此它們不只是像電力那樣的簡單商品。有趣的是，生態系統正在以非常相似的方式形成。你有幾個閉源提供商，如Windows或Mac OS，然后你有開源的替代品，如Linux；對于LLM，我認為LLaMA也是類似。我們有幾家競爭的閉源提供商，然后LLaMA生態系統目前可能是最接近Linux成長路徑的東西。再次強調，現在還為時過早，因為這些還只是簡單的LLM，但我們開始看到它們將變得更加復雜。

這不僅僅是關于LLM本身，還涉及到所有使用的工具、多模態以及這一切如何運作。所以當我之前意識到這一點時，我試著把它畫出來。在我看來，LLM就像一個新的操作系統。LLM是一種新型計算機，有點類似于CPU。上下文窗口有點像內存，然后LLM利用所有這些能力來協調內存和計算以解決問題。從這個角度看，它確實非常像一個操作系統。

再舉幾個類比。例如，如果你想下載一個應用，比如我去VS Code官網下載，你可以下載VS Code并在Windows、Linux或Mac上運行。同樣地，你可以拿一個LLM應用，比如Cursor，然后在GPT、Claude或Gemini上運行它。選擇哪個模型只是一個下拉菜單。所以這方面也很相似。

另一個讓我印象深刻的類比是，我們正處于類似1960年代的時代，對于這種新型計算機來說，LLM的計算仍然非常昂貴。這迫使LLM集中在云端。我們都只是通過網絡與其交互的瘦客戶端。我們沒有人能完全利用這些計算機。因此，采用分時共享是合理的，當他們在云端運行計算機時，我們都只是批次處理中的一個維度。

這非常符合那個時代計算機的樣子。操作系統在云端。所有東西都是流式傳輸的，并且有批處理。個人計算革命尚未發生，因為這從經濟上講不通。但我認為有些人正在嘗試。事實證明，例如Mac Minis非常適合運行某些LLM，因為如果你在做批量推理，這完全是內存密集型的。這實際上是可行的。

我認為這些可能是個人計算的一些早期跡象，但這還沒有真正發生。還不清楚它會是什么樣子。也許在座的各位中有人會發明它，或者定義它的工作原理和應該是什么樣子。

1

LLM認知缺陷，能過目不忘卻患短期失憶癥

我想再提一個類比：每當我直接在文本中與ChatGPT或某個LLM對話時，我感覺就像通過終端與操作系統交談一樣，因為它就是文本，是直接訪問操作系統的途徑。我認為目前還沒有真正發明出一種通用的圖形用戶界面（GUI）。例如，ChatGPT是否應該有一個不同于文字氣泡的GUI？當然，我們稍后要討論的一些應用程序確實有GUI，但目前還沒有一種能通用所有任務的GUI。這說得通嗎？

LLM在某些獨特方面與操作系統和早期計算有所不同。我寫過這一點讓我感到這次非常不同的特性：LLM顛覆了技術擴散的方向。例如，電力、密碼學、計算、飛行、互聯網、GPS等許多變革性技術最初并不存在時，通常政府和公司是首批用戶，因為技術新穎且昂貴，之后才擴散到消費者。但我覺得LLM的情況是顛倒的。

早期的計算機可能主要用于彈道學和軍事用途，但LLM卻關乎“如何煮雞蛋”之類的事情。這確實是我的主要用途。這讓我感到非常著迷：我們擁有一種神奇的新型計算機，它在幫我煮雞蛋，而不是幫助政府做導彈計算之類的瘋狂事。事實上，企業和政府在我們所有人之后才采用這些技術。這完全是顛倒的。這或許啟示了我們如何使用這項技術，以及哪些會是首批應用。

總結一下到目前為止：使用“LLM實驗室”和“LLM”是準確的描述，但LLM是復雜的操作系統。它們在計算領域相當于1960年代的水平，我們正在重走計算之路。它們目前通過分時共享提供，像公用事業一樣分發。前所未有的是，它們并非掌握在少數政府和企業手中，而是在我們所有人手中，因為我們都有電腦，而這一切都只是軟件。ChatGPT仿佛一夜之間就傳給了數十億人的電腦。這太瘋狂了。這讓我覺得不可思議，而現在正是我們進入行業并編程這些計算機的時機，這簡直瘋狂。我認為這非常了不起。

在編程LLM之前，我們需要花時間思考它們是什么。我特別喜歡討論它們的“心理學”。我喜歡將LLM視為人類靈魂。它們是對人的隨機模擬，而模擬器碰巧是一個自回歸Transformer模型。Transformer是一種神經網絡，它在tokens級別上工作，逐塊處理，每個詞塊的計算量幾乎相等。這個模擬器本質上涉及一些權重，我們將其擬合到互聯網上的所有文本等數據上。最終就得到了這樣一種模擬器。

因為它在人類數據上訓練，它產生了這種類人的涌現心理學特性。首先你會注意到，LLM擁有百科全書式的知識和記憶，它們能記住的東西遠多于任何個人，因為它們閱讀了太多內容。

這讓我想起電影《雨人》，我真心推薦大家觀看。這是一部精彩的電影，我非常喜歡。達斯汀·霍夫曼飾演一位患有自閉癥的學者癥候群患者，擁有近乎完美的記憶力，他能像讀電話簿一樣記住所有姓名和電話號碼。我覺得LLM非常相似。它們能非常容易地記住SHA哈希值和各種東西。因此它們在某些方面確實擁有超能力，但它們也存在一系列認知缺陷：它們經常產生幻覺、編造內容，并且缺乏足夠好的自我認知內部模型（至少不夠充分）。這方面已有改進，但尚未完美。

它們表現出不均衡的智能：在某些問題解決領域表現出超人能力，卻會犯下人類基本不會犯的錯誤。比如堅持認為9.11大于9.9，或者“strawberry”中有兩個‘R’。這些都是著名的例子，但本質上存在一些你可能踩到的“坑”。我認為這也很獨特。它們還患有順行性遺忘癥。

我想指出的是，如果你的組織來了一個新同事，隨著時間的推移，他會了解你的組織，理解并獲取大量組織背景信息。他回家睡覺，鞏固知識，并逐漸發展出專業知識。但LLM天生不具備這種能力。我認為這在LLM研發中尚未真正解決。因此，上下文窗口實際上就像工作記憶。你必須直接“編程”這個工作記憶，因為它們不會默認地“變聰明”。我想很多人被類比誤導了。

在大眾文化中，我推薦大家看這兩部電影：《記憶碎片》和《第51州》。在這兩部電影中，主角的“權重”是固定的，他們的“上下文窗口”每天早晨都會被清空。當這種情況發生時，去工作或建立關系就非常成問題。而LLM一直處于這種狀態。

我想再指出一點與使用LLM相關的安全限制。例如，LLM相當輕信，它們容易受到提示注入風險的影響，可能會泄露你的數據等。還有很多其他安全相關的考量。總之，簡而言之，你必須...

1

別造機器人，造戰衣！讓人類決定AI該飛多高。

同時，要思考這個擁有超能力卻又有一堆認知缺陷和問題的東西，而它們又極其有用。那么我們該如何為它們編程？如何繞過它們的缺陷并享受它們的超能力？所以我現在想談談機遇。我們如何使用這些模型？有哪些最大的機遇？

以下是我認為本次演講有趣的一些內容，并非詳盡列表。

我比較興奮的第一件事是我稱之為部分自主應用的東西。例如，以編碼為例。你當然可以直接去ChatGPT，開始到處復制粘貼代碼、復制粘貼錯誤報告等等，獲取代碼并到處粘貼。但你為什么要那樣做？為什么要直接去操作系統？為此專門開發一個應用更有意義。我想你們很多人用Cursor，我也在用，Cursor就是你需要的那種工具。

你不想直接去ChatGPT，而我認為Cursor是一個很好的早期LLM應用范例，它具備一些我認為對所有LLM應用都有用的特性。特別是，你會注意到它有一個傳統界面，允許像以前一樣手動完成所有工作。但除此之外，它現在集成了LLM，允許我們處理更大的任務塊。我認為LLM應用共享的一些有用特性值得指出：第一，LLM基本上做了大量的上下文管理。第二，它們協調對LLM的多次調用。以Cursor為例，其底層有為所有文件服務的嵌入模型，以及實際為代碼應用差異的聊天模型。這一切都為你協調好了。

我認為還有一個非常重要但可能未被充分認識的點是特定于應用的GUI及其重要性，因為你不想僅通過文本直接與操作系統交談。文本很難閱讀、解析和理解，而且你也不希望在文本中直接執行某些操作。所以，直接看到紅綠標識的代碼變更差異，并且可以交互式地查看新增內容要好得多。只需按Command+Y接受或Command+N拒絕要容易得多。我不應該用文本輸入吧？因此，GUI允許人類審計這些易出錯系統的工作，并加快速度。稍后我會再回到這一點。

我想指出的最后一個特性是我稱之為自主程度滑塊的東西。例如，在Cursor中，你可以只做頂部補全，你基本掌控一切；你可以選擇一段代碼塊并按Command+K僅修改該塊；你可以按Command-L修改整個文件；或者你可以按Command-I，讓它在整個代碼中自由發揮。這就是那種完全自主的代理模式。因此，你掌控著這個自主程度滑塊。根據手頭任務的復雜性，你可以調整愿意為該任務放棄多少自主權。再展示一個相當成功的LLM應用Perplexity的例子，它也具備與我在Cursor中指出的非常相似的功能。

它打包了大量信息，協調多個LLM，并有一個GUI讓你審計其部分工作。例如，它會引用來源，你可以查看它們，并且它也有一個自主程度滑塊：你可以進行快速搜索，進行研究，或者進行深度研究并在10分鐘后回來查看結果。這只是你賦予工具的不同程度的自主權。

所以我的問題是，我感覺很多軟件將變得部分自主。我正在思考這會是什么樣子，對于你們中維護產品和服務的人來說，你們將如何使自己的產品和服務部分自主？

LLM能看到人類能看到的一切嗎？LLM能以人類的所有方式行動嗎？人類能否監督并保持在這種活動的循環中？因為再次強調，這些系統還不完美且容易出錯，那么在PS中的差異會是什么樣子呢？

此外，當前很多傳統軟件，其所有的開關等東西都是為人類設計的。這一切都必須改變，變得對LLM可訪問。所以我想強調一點，對于許多這類LLM應用，我認為這一點未得到足夠重視：我們現在像是在與AI合作。通常它們負責生成，而我們人類負責驗證。

讓這個循環盡可能快地運行符合我們的利益，這樣我們能完成大量工作。我認為有兩種主要方式可以做到這一點：第一，你可以大大加快驗證速度。我認為GUI對此極其重要，因為GUI利用了我們頭腦中的計算機視覺“GPU”，閱讀文本很費力且無趣，但看圖很有趣，視覺信息就像是通往大腦的高速公路。因此我認為GUI在審計系統和視覺呈現方面非常有用。

第二點，我認為是我們必須約束AI。我認為很多人對AI代理過于熱衷。對我來說，收到一個對我的倉庫進行1000行代碼的變更差異沒什么用，因為我仍然是瓶頸，對吧？即使那1000行代碼瞬間生成，我也必須確保它沒有引入bug，做的是正確的事情，沒有安全問題等等。因此，是的，基本上我們有必要讓這兩個流程運行得非常非常快。而且我們必須設法約束AI，因為它變得過于反應過度。有點像這樣。

這就是我進行AI輔助編碼時的感受。如果我只是在小步前進，一切都很好，但如果我真的想完成工作，讓一個過度反應的代理做所有這些事就不太好了。這張幻燈片不太好，抱歉。但我想我和你們很多人一樣，正在嘗試在我的編碼工作流中開發一些利用這些代理的方法，進行AI輔助編碼和自己的工作。

我總是害怕收到太大的差異。我總是采用小的增量塊。我想確保一切都好。我想讓這個循環轉得非常非常快。我會專注于具體事物的小塊工作。因此我想你們很多人可能正在開發類似的使用LLM的方式。我也看到一些博客文章試圖制定使用LLM的最佳實踐。

1

生成-驗證循環：如何讓AI和人類“飆車”不翻車？

這是我最近讀到的一篇，我覺得很不錯。它討論了一些技巧。其中一些涉及如何約束AI。例如，如果你在提示，如果你的提示很大，AI可能不會完全按你希望的去做，這樣驗證就會失敗。你會要求別的東西。如果驗證失敗，你就得開始循環。所以，花點時間讓你的提示更具體更有意義，這會提高驗證成功的概率，讓你繼續前進。因此我認為我們很多人最終都會找到這類技術。

我認為在我自己的工作中也是如此。我目前感興趣的是，既然我們擁有了AI和所有LLM，教育會變成什么樣子。

我認為我大量思考都集中在如何約束AI上。我不認為直接去ChatGPT說“嘿，教我物理”就能奏效。我覺得這行不通，因為AI會迷失方向。所以對我來說，這實際上是兩個獨立的應用：一個是供教師創建課程的應用，另一個是獲取課程并提供給學生的應用。在這兩種情況下，我們現在都有一個可審計的中間產物——課程。

我們可以確保它是好的、一致的。AI被約束在特定的教學大綱和項目進度內。所以這是一種約束AI的方法，我認為成功概率要高得多，AI也不會迷失方向。

我想再提一個類比：我對部分自主并不陌生，我在特斯拉工作了五年左右，研究的就是這個。特斯拉的自動駕駛也是一個部分自主產品，并具有許多類似特性，例如：儀表盤上就有自動駕駛的GUI，它向我展示神經網絡看到的內容。我們還有自主程度滑塊，在我任職期間，我們為用戶完成了越來越多自主任務。我想簡要講述一個故事：我第一次駕駛自動駕駛車輛是在2013年。

當時我有個朋友在Waymo工作，他邀請我在帕洛阿爾托（Palo Alto）附近試駕。我用當時的Google Glass拍了這張照片，你們很多人太年輕了可能都不知道那是什么。但沒錯，這在當時風靡一時。我們坐進車里，在帕洛阿爾托周圍開了大約30分鐘，走了高速公路、街道等。那次駕駛完美無缺，零干預。那是2013年，距今已有11年。這讓我印象深刻，因為當時經歷了那次完美的駕駛演示后，我覺得自動駕駛即將到來，因為它已經能工作了。

這很不可思議，但11年后的今天，我們仍在研究自動駕駛。我們仍在研究駕駛代理。即使到現在，我們還沒有真正解決這個問題。你可能看到Waymo在路上跑，看起來是無人駕駛，但仍然有大量的遠程操作，很多駕駛環節仍然有人參與。所以我們甚至還沒有宣布成功，但我認為它最終肯定會成功，只是花了很長時間。因此，我認為軟件確實很棘手，就像駕駛也很棘手一樣。所以當我看到“2025年是智能體之年”這樣的說法時，我感到非常擔憂。

我有點覺得，這將是一個“智能體的十年”，而且會持續相當長一段時間。我們需要人類在循環中。我們需要謹慎行事。這是軟件，我們得認真對待。

我經常思考的另一個類比是鋼鐵俠戰衣。我一直很喜歡鋼鐵俠，我認為它在很多方面正確地描繪了技術及其發展。我喜歡鋼鐵俠戰衣的地方在于，它既是增強設備，也是一個agent。在部分電影中，鋼鐵俠戰衣具有高度自主性，可以飛來飛去尋找Tony。這就是自主程度滑塊的體現：我們可以構建增強設備，也可以構建代理。我們兩者都想要一些。但在現階段，我認為在處理有價值的LLM時，更應該是構建鋼鐵俠的戰衣，而不是鋼鐵俠機器人。

1

氛圍編程狂歡，讓編程變成‘說人話’，全世界都是程序員

與其說是構建炫目的自主代理演示，不如說是構建部分自主產品。這些產品擁有定制的GUI和UI、UX，我們這樣做的目的是讓人類的生成-驗證循環變得非常非常快，同時我們也未忽視這項工作原則上可以實現自動化的事實。你的產品中應該有一個自主程度滑塊，你應該思考如何滑動這個滑塊，讓你的產品逐漸變得更加自主。我認為這類產品中存在大量機遇。

我想提一下，稍微切換一下話題，談談另一個我認為非常獨特的維度。不僅存在一種允許自主性和軟件的新型編程語言，而且如我所言，它是用英語編程的，這是一種自然界面。突然間，每個人都成了程序員，因為每個人都會說英語這樣的自然語言。這讓我感到極其樂觀和非常有趣，也是完全前所未有的。過去，你需要花5到10年學習才能做某事（在軟件領域）。現在情況不同了。我不知道是否有人聽說過氛圍編程（vibe oding）。

這條推文某種程度上引入了這個概念，但我聽說它現在成了一個大型網絡迷因。有趣的故事是：我在推特上活躍了大約15年，至今仍不清楚哪條推文會爆紅，哪條會無人問津。我以為這條推文會是后者。不知這是否只是一時之念，但它成了全網迷因，我也說不清原因，但猜想它觸動了大家心弦，為人們感受到卻難以言表的東西命了名。現在甚至有了維基百科頁面等等。這瘋狂嗎？

是的，這現在就像是一項重大貢獻。Hugging Face的Tom Wolf分享了這個我超愛的美好視頻。這些孩子在進行氛圍編程。我覺得這視頻充滿正能量，太喜歡了。看到這樣的視頻，你怎么會對未來感到悲觀？未來是美好的。實際上，我認為這終將成為軟件開發的入門途徑。我對這代人的未來并不悲觀。是的，我太愛這個視頻了。

因為太有趣，我也嘗試了氛圍編程。當你想要構建某個超定制化的、看似不存在的東西，又想在周六之類的時間隨性發揮時，氛圍編程太棒了。我構建了這個iOS應用，其實不會Swift編程，但很震驚自己能做出一個超級基礎的應用，它確實簡單。但我喜歡它只需一天就能完成，當天就能在手機上運行。這太神奇了，我無需花五天學習Swift就能入門。

我還通過氛圍編程（vibe coded）構建了名為MenuGen的應用，你可以在menugen.do試用。我有個痛點：在餐廳看菜單時，很多菜品不認識，需要圖片參考，但不存在這樣的服務。于是我想：我要氛圍編程。操作流程是：訪問menugen.do，拍攝菜單照片，MenuGen生成圖片，注冊即贈5美元額度。

因此，這是我生活中的主要成本中心。目前這是個負收入應用，我在MenuGen上虧了很多錢。但MenuGen的奇妙之處在于：氛圍編程部分其實很簡單。真正的難點是落地實現：添加身份驗證、支付功能、和域名配置、Vercel部署等。這些都不屬于氛圍編程，而是我在瀏覽器里手動點擊操作。這是極度枯燥的苦差，又花了一周。有趣的是，我幾小時就在筆記本上做出MenuGen demo，但實現真實部署卻花了一周。

原因就是：這實在太煩人了。

1

為智能體重構世界，AI成了互聯網的“新人類”

例如，為網頁添加Google登錄功能——我知道這很簡單——但有大量類似Clerk庫的集成指南。太瘋狂了！它指示我：訪問這個URL，點擊下拉菜單，選擇這個，跳轉到那個頁面，再點擊那個... 就像在教我怎么操作。計算機在指揮我該做什么，那你來做啊！為什么是我做？搞什么鬼？我必須跟著指令做，太荒謬了。

因此，我演講的最后部分聚焦于：我們能直接為智能體構建嗎？我不想做這些工作，智能體能代勞嗎？謝謝？

好的，簡而言之：數字信息的新消費和操作者出現了。過去只有人類通過圖形界面或計算機通過接口（APIs）操作，現在有了全新事物。智能體是計算機，卻像人類靈魂。互聯網存在人類靈魂，它們需要與軟件基礎設施交互——我們能為其構建嗎？例如，你可以在域名放置robots.txt文件，指導網絡爬蟲在網站的行為規范。

同樣，你可以創建llm.txt或lens.txt文件，用簡單Markdown告訴LLMs該域名的主題。相比解析網頁HTML（極易出錯且困難），這對LLM更易讀。直接與LLM溝通是值得的。

大量文檔是為人類編寫的，包含列表、粗體和圖片等元素，但LLM無法直接理解。我看到Vercel、Stripe等服務商正將文檔專門適配LLMs（Markdown格式），Markdown對LLMs極其友好。例如YouTube上制作精美動畫的3Blue1Brown。

是的，我愛這個庫。他開發了Manim，我也想自己做一個。面對冗長的Manim文檔，我直接復制給LLM，描述需求后，它直接編寫出我想要的動畫。太神奇了！讓文檔對LLMs可讀將釋放巨大潛力，應大力推廣。

我還想強調：你不能止步于此。僅轉為Markdown格式不夠（這很簡單），還需修改內容。比如文檔中的"點擊"指令對LLM無效，Vercel正將所有"點擊"替換為curl命令，讓LLM代理可執行。這很有趣。當然還有Anthropic的模型卡片協議——直接與作為數字信息操作者的智能體溝通的協議。我對此非常看好。我也喜歡各種輔助工具，它們以LLM友好格式攝取數據。

例如訪問nanoGPT的GitHub倉庫時，無法直接詢問LLM（這是人類界面）。但將網址改為GitIngested，它會將所有文件合并為文本并生成目錄結構。這可直接粘貼到LLM。更強大的如Devon：不僅能處理原始文件，還會分析GitHub倉庫并生成專屬文檔頁，對LLM輸入極有幫助。這類通過修改網址讓LLM可訪問的工具非常實用，應大量涌現。還需說明：未來LLMs定能直接瀏覽界面（甚至現在已能操作點擊）。但主動優化信息訪問仍很有價值，因為直接操作成本高且困難。大量軟件（非活躍倉庫/基礎設施）不會被適配，我們需要工具支持。其他軟件則應在中間點相向而行。總之，現在入行太棒了。

我們需要重寫海量代碼，專業人士將編寫海量代碼。LLMs像公用事業，也像晶圓廠，但尤其像操作系統——不過處于類似1960年代的早期階段。它們是需學習協作的有缺陷的"人類靈魂"，為此需調整基礎設施。構建LLM應用時，我描述了高效使用LLMs的方法和工具，如何快速迭代創建部分自主產品。當然還需為智能體編寫大量代碼。總之，如鋼鐵俠戰衣的比喻：未來十年滑塊將右移，我充滿期待，迫不及待與各位共建未來。謝謝！

從驚艷demo到規模產品，技術落地需要耐心。但此刻的我們，正站在比1960年代計算機革命更洶涌的潮頭——當英語成為新編程語言，當LLM成為新操作系統，每個敢于用語言重塑數字世界的人，都是新范式的創世者。

點個愛心，再走 吧