來自 Andrej Karpathy 嘅提醒：未來嘅程式設計師分兩種：識用 AI 寫程式碼嘅，同被淘汰嘅
以下博文嘅作者係 Andrej Karpathy。佢係 AI 領域公認嘅大神。曾經喺特斯拉做 AI 總監，負責自動駕駛嘅核心系統。佢亦係 OpenAI 嘅早期成員，參與過 ChatGPT 呢類技術嘅基礎工作。仲喺美國史丹福大學教過著名嘅電腦視覺課。而家佢喺創業做 AI 教育。
佢從學術界到大廠，從研究到產品，經歷特別全。所以，佢唔係企喺圈外「傾概念」嘅人。佢係從最早一批深度學習，到自動駕駛，再到现在大模型同寫程式碼嘅 AI 工具，都親自衝喺一線嘅人。佢自己寫咗好多年程式碼，亦親手帶過大團隊。 因此，佢對「AI 點樣改變寫程式碼呢件事」嘅感受同判斷，非常值得參考。
Karpathy 用親身實踐證明，用 Deep Code 呢類工具，唔係簡單嘅「自動補全」，而係畀開發效率加槓桿。同樣嘅時間，你能搞掂以前十倍嘅工作量，甚至敢碰以前唔敢做嘅複雜項目。當然 AI 亦會犯錯、會將程式碼寫複雜，需要你盯住，但總體係質嘅飛躍。
無論係資深程式開發專家，抑或係準備學程式設計嘅小白，Karpathy 都建議盡早開始用 Deep Code 呢類工具。呢個唔係錦上添花，而係畀自己嘅開發能力加槓桿。同樣嘅時間，你能做以前十倍嘅嘢，甚至能挑戰以前完全唔敢碰嘅項目。AI 年代嘅開發流程已經完全進化咗，越早適應，優勢越大。
最近幾個禮拜我用 Deep Code 寫咗好多程式碼。下面係一啲隨手記低嘅想法。
Coding workflow（寫程式碼嘅流程）
因為最近一波 LLM 寫程式碼嘅能力又提升咗。同好多人一樣，我喺 11 月嘅時候，大概係：80% 靠自己手敲 + IDE 自動補全，20% 用程式碼助手（Agent）。到咗 12 月，已經完全反過嚟：80% 係讓 Agent 寫程式碼，20% 係我自己改一改、修修補補。
亦即係話，而家我其實主要係喺用英文「傾偈寫程式碼」。我一邊有啲唔好意思，一邊同 LLM 講：「你幫我寫一段咁樣嘅程式碼」，全部係用文字描述。
呢個對程式設計師自尊心確實有啲打擊。但佢能一次過對一大段軟件做「大型程式碼操作」，整體效率實在太正。尤其係當你適應咗佢，將配置調好，學識點樣用，搞清楚佢能做咩、唔能做咩之後。
對我嚟講，呢個已經係我差唔多 20 年寫程式碼生涯入面，對「開發工作流」影響最大嘅一次變化。而且只係喺短短幾個禮拜內發生。我估，而家已經有唔少工程師（雙位數百分比嗰種）喺經歷類似嘅變化。但喺普通人嗰度，對呢件事嘅認知，感覺仲停留喺好低嘅個位數百分比。
IDEs / Agent 群 / 會犯錯呢件事
而家網上有兩種吹法：「IDE 以後都唔需要喇」同「Agent 群自己協作就能搞掂一切」。我個人覺得，而家呢個階段，呢兩種講法都吹得太過。
模型仲係會犯錯嘅。如果呢份程式碼係你真正關心嘅項目，我建議你一定要盯緊。最好旁邊開一個窗口，用一個大嘅 IDE 睇住，就好似老鷹盯獵物咁。
錯誤嘅類型已經變咗。唔再係嗰種簡單嘅語法錯誤。而係一啲比較細、比較隱蔽嘅概念錯誤。就好似一個有啲毛躁、趕時間嘅初級工程師可能會犯嘅嗰種錯。
最常見嘅一類問題：模型會替你「腦補」一啲前提。但佢腦補錯咗，亦唔會回頭確認。佢就直接喺呢個錯誤前提上繼續一路寫落去。
佢哋亦唔會好好管理自己嘅「困惑」。唔會主動問你：「呢個地方你到底想要 A 抑或 B？」唔會主動幫你指出前後唔一致嘅地方。唔會幫你列清楚唔同方案嘅取捨。該反駁你嘅時候，佢亦唔多反駁。整體仲係有啲「太會附和人」嘅嗰種感覺。但如果讓佢先寫一個「計劃」，再按計劃執行，情況會好唔少。不過我覺得仲幾需要一種「輕量嘅、嵌喺程式碼入面嘅計劃模式」。佢哋仲特別鍾意將程式碼同 API 寫得過於複雜。抽象層級越疊越厚，變得好臃腫。寫完之後亦唔主動清理自己製造出嚟嘅「死程式碼」。
有時佢能寫出一大段一千幾百行嘅實現。又慢、又複雜、又脆弱，周圍係繞路。 然後你輕輕問一句：「我哋能唔能直接用呢個更簡單嘅寫法？」佢即刻話：「梗係得啦！」然後馬上畀你縮成一百幾十行。
有時佢仲會順手改咗、甚至刪咗一啲註解同程式碼。只係因為佢「唔鍾意」或者冇完全睇明。哪怕呢啲嘢同目前任務完全冇關係。呢啲問題，哪怕我已經喺 CLAUDE.md 入面寫咗一啲使用說明，提醒佢注意呢啲點，仲係會唔時出現。即使如此，從整體效果睇，仲係提升巨大。而家真係好難想像再完全返去純手寫程式碼嘅時代。
簡單講，每個人都有自己嘅開發節奏。我而家嘅做法係：左邊喺 Ghostty 入面開幾個 Deep Code 工作階段，右邊開 IDE，用嚟睇程式碼同手動修改。
Tenacity（韌性 / 耐力）
睇住一個 Agent 死磕一個問題，其實幾有趣。佢唔會攰。唔會心態崩。人早就會話「算喇，聽日再戰」嘅地方，佢仲能一直試、一直試。
有時你睇住佢掙扎咗好耐。結果 30 分鐘後，佢終於搞掂咗。嗰一刻會有啲「哇，真係有啲 AGI 味道」嘅感覺。
你會突然意識到：原來「體力同精力」真係工作入面嘅一個核心瓶頸。而有咗 LLM，呢方面嘅上限被拉高咗好多。
Speedups（提速）
LLM 幫你提速，到底係快咗幾倍，其實好難量化。我確實感覺，喺我原本就要做嘅嗰啲嘢上，整體係快咗好多。但更大嘅變化係：而家我會做更多嘢。
原因大概有兩點： 1）以前好多「懶得寫」「唔值得花時間寫」嘅細嘢，而家可以順手就寫。 2）以前因為自己知識或技能唔夠而唔敢動嘅程式碼，而家亦敢落手。
所以，呢個當然係加速。但可能更重要可能更重要嘅係，佢讓「我能做嘅嘢嘅範圍」擴大咗好多。
Leverage（槓桿感）
LLM 有一個特別犀利嘅地方：佢好識一遍遍循環嘗試，直到滿足你設定嘅具體目標。好多「有 AGI 味道」嘅體驗，就係喺呢度出現嘅。
關鍵點係：唔好逐條命令佢點樣做。而係話畀佢聽：「咩嘢樣算成功。」然後睇佢自己去折騰。
例如，你可以讓佢先寫測試。然後再讓佢去通過自己寫嘅呢啲測試。或者，將佢同瀏覽器之類嘅工具（透過 MCP 接起嚟）放喺一個循環入面。再例如，你先寫一個非常樸素、但幾乎肯定正確嘅演算法。然後讓佢喺保證結果唔變嘅前提下，幫你優化性能同結構。
整體思路，可以從「命令式」變成「聲明式」：唔再係「你先做 A，再做 B，再做 C」，而係「我要嘅結果長咁樣」。咁樣 Agent 會自己多迭代幾輪，你就多攞咗一層「槓桿」。
Fun（好唔好玩）
我原本冇諗到，有咗 Agent 之後，寫程式碼反而會「更好玩」。好多枯燥嘅「填充題式」嘅工作被佢接過去了。留低嘅更多係有創意嘅部分。
我亦冇咁容易卡死喺一個地方。被卡住一啲都唔好玩。而家往往總能找到一種：「我同佢一齊合作，至少往前挪少少」嘅方式。呢個會令人更有勇氣開工。
當然，我都見過完全相反嘅感受。有啲人覺得 LLM 寫程式碼令佢哋更唔開心。
長遠嚟睇，呢件事可能會將工程師分成兩類：一類係主要鍾意「寫程式碼呢件事本身」嘅人。另一類係主要鍾意「將嘢做出嚟」嘅人。
Atrophy（能力退化）
我已經能感覺到：自己「手寫程式碼」嘅能力喺慢慢退化。喺腦入面，「生成」（自己寫程式碼）同「辨別」（睇明、審程式碼）其實係兩種唔同嘅能力。因為寫程式碼要記一堆細碎嘅語法細節。而睇程式碼主要係理解思路同結構。所以就算你已經有啲寫唔郁，你仍然可以好好咁審查程式碼，睇邊度怪怪嘅、邊度有 bug。
Slopacolypse（粗糙內容大爆發）
我喺心理上已經做好準備：2026 年可能會成為「水貨內容大爆發」嘅一年。
GitHub、Substack、arXiv、B 站 / 知乎……以及各種數碼內容平台上，都會出現海量 AI 生成嘅嘢。我哋會睇到更多圍繞 AI 嘅「生產力表演騷」。 就係嗰種「睇落好犀利」嘅展示。當然，其中亦會夾住好多真正嘅、實實在在嘅效率提升。
Questions（一啲我喺諗嘅問題）
所謂「10 倍工程師」會變成咩嘢樣？ 亦即係：普通工程師同最強工程師之間嘅效率差距，會變得更大嗎？非常有可能，會變得大好多。
有咗 LLM 之後，「通才」會唔會越嚟越能幹過「專才」？ 因為 LLM 喺「補細節、填空白」（微觀）方面特別強，但喺「大局觀、長遠策略」（宏觀）上就冇咁犀利。
未來用 LLM 寫程式碼，會係咩嘢感覺？ 好似喺打《星際爭霸》？好似喺玩《Factorio》（異星工廠）？抑或更似喺演奏一段音樂？
成個社會入面，有幾多嘢，其實都卡在「數碼化知識工作」嘅瓶頸上？
總結：呢個將我哋帶到咩嘢位置？
LLM 嘅 Agent 能力（尤其係 Deep Code），喺 2025 年 12 月左右，感覺係跨過咗某個「整體連貫性」嘅門檻。呢個喺軟件工程及相關領域入面，引發咗一次「相變」。亦即係，做嘢嘅方式突然變咗一個層級。
而家嘅感覺係：喺「智能」呢一塊，佢已經明顯行喺其他配套嘢前面。
例如： 工具同知識庫嘅整合仲未完全跟上。 團隊內部需要新嘅工作流同協作方式。 成個行業對呢啲嘢嘅消化同擴散，仲喺路上。
2026 年會係一個「能量好高」嘅年份。 成個行業都喺努力消化、吸收呢項新能力。