在紅杉資本（Sequoia Capital）舉辦的 AI Ascent 2026 頂級科技大會上， Andrej Karpathy 接受了紅杉資本合夥人 Stephanie Zhan 的深度訪談。Andrej Karpathy 創造了「Vibe Coding」（氛圍編程）這個火遍全球的詞彙，用來形容開發者只要用自然語言向大語言模型（LLM）許願，接著就能完全沉浸在氛圍中、忘記底層程式碼存在的極速開發體驗。然而，訪談時他卻坦言：「身為一名程式設計師，我從未感到如此落後。」
究竟是什麼樣的技術躍升，讓頂尖工程師也感到被時代推著走？Andrej Karpathy: From Vibe Coding to Agentic Engineering
Software 3.0 的誕生與 Agent-Native 的基礎設施
要理解 Andrej Karpathy 眼中的未來，我們必須先釐清軟體開發歷史上的三次重大典範轉移。早在多年前，Andrej 就曾提出過 Software 2.0 的概念，而現在，我們正式踏入了 Software 3.0 的領域。這三個階段的演進，完美說明了人類是如何一步步將控制權交接給機器的。
軟體工程的演化：從寫死邏輯到提示詞編程
在 Software 1.0 的時代，程式設計師的日常就是撰寫明確的指令與邏輯。無論你使用的是 C++、Java 還是 Python，本質上都是在告訴電腦「如果發生 A，就執行 B」。這種基於明確規則（Explicit Rules）的系統，非常適合處理結構化資料與確定性任務，但一旦遇到諸如影像辨識、語音理解等難以用數學公式精確描述的現實世界問題，Software 1.0 就會顯得無能為力。程式碼會無止盡地膨脹，充滿了各種邊界條件的修補。
為了解決這個問題，業界進入了 Software 2.0 時代，這也是深度學習與神經網路大放異彩的時期。在這個階段，工程師不再直接編寫解決問題的邏輯，取而代之的是，他們開始設計神經網路架構、蒐集資料集（Datasets），並設定優化目標。程式的邏輯不再是由人類一行行寫出來，而是由演算法透過訓練資料「學習」並儲存在神經網路的權重（Weights）之中。程式設計的本質，從「編寫邏輯」變成了「整理資料與引導訓練」。
而現在，隨著大語言模型（LLM）在資料上進行預訓練與強化學習，我們迎來了 Software 3.0。當一個模型被訓練去預測接下來的字詞、並且在訓練過程中被迫吸收網際網路上所有的知識與任務模式時，它在無意間變成了一台「可程式化的通用電腦」。在 Software 3.0 的世界裡，你的編程語言變成了「提示詞」（Prompting），而模型的「上下文視窗」（Context Window）就等同於這台電腦的記憶體（RAM）。你把資料、範例、工具定義和指令全部塞進這個視窗裡，模型就會像一個直譯器（Interpreter）一樣，讀取這些上下文，並在數位資訊的空間中執行運算。
這是一個本質上的改變。我們不再需要為了每一個特定任務去蒐集資料並訓練專屬的神經網路模型（如 Software 2.0 那樣），只需要用自然語言去驅動一個已經具備通用推論能力的 Software 3.0 電腦。這也是為什麼 Andrej 在使用最新的強大模型時，會發現自己幾乎不用再修改模型吐出來的程式碼片段。當模型變得足夠聰明，它自己就能理解意圖並完美產出結果，人類的工作就只剩下「給出高維度的指令」。
拋棄腳本，用 Agent 安裝 OpenClaw
為了具體說明 Software 1.0 思維與 Software 3.0 思維的巨大差異，Andrej 舉了 OpenClaw 這套在開發者社群中廣受歡迎的開源 AI 代理系統為例。
在傳統的軟體世界中，如果你想要安裝一個複雜的系統，通常需要仰賴一段落落長的 Shell Script。這段腳本必須考慮到你使用的是 Mac、Windows 還是 Linux，必須檢查你的環境變數、相依套件版本，還得處理各種可能發生的安裝錯誤。這就是標準的 Software 1.0 產物，為了相容各種不同的運算環境，安裝腳本往往會變得極度臃腫且難以維護。
然而，當你要安裝 OpenClaw 時，官方提供的並不是一份複雜的終端機腳本，而是一大段「純文字」。這段文字是寫給你的 AI Agent 看的。你只需要把這段文字複製貼上，交給你的 AI 助手，接下來的事情就完全交給它了。這名 AI Agent 會閱讀這段安裝指南，運用它自身的智慧去檢查你當前的電腦環境，自主決定要執行哪些指令，如果遇到報錯，它甚至會在迴圈中自行除錯、尋找解法，直到整個系統順利運行起來為止。
在這個過程中，人類不再需要精確定義每一個安裝細節。我們只需要提供意圖與最高指導原則，AI Agent 就能像一位經驗豐富的系統管理員一樣，動態且智慧地解決問題。這就是 Software 3.0 的威力：把模糊的自然語言轉化為確定性的行動，完全跳脫了寫死邏輯的框架。
Menu Gen 的啟示：中間層應用程式即將消亡
另一個更極端的例子，是 Andrej 自己開發的一個名為「Menu Gen」的假日專案。這個專案的起因很簡單：當我們去餐廳吃飯時，菜單上通常只有菜名而沒有圖片，導致顧客往往不知道那些奇特的菜名到底長什麼樣子。於是，Andrej 用 Vibe Coding 的方式，快速寫出了一個 Web 應用程式。
這個應用程式部署在 Vercel 上，架構相當完整。使用者上傳一張菜單的照片，應用程式會在後端呼叫光學字元辨識（OCR）技術把菜名抓出來，接著把菜名丟給圖像生成模型（如 Midjourney 或 DALL-E）產生美食照片，最後再把這些照片與原本的菜單排版組合在一起，呈現在一個漂亮的前端網頁上。這聽起來是一個非常標準、甚至相當先進的 AI 應用程式開發流程。
但是，當 Andrej 看到 Software 3.0 的純粹型態時，他感受到了一股強烈的衝擊。他發現，其實根本不需要寫這個應用程式。在 Software 3.0 的範式下，你只需要把這張菜單照片直接丟給具備強大多模態能力的 Gemini 模型，並且附上一句提示詞：「請使用 Nanobanana（一種虛擬或內建的覆蓋工具）將菜色圖片直接渲染覆蓋在這張菜單的照片上。」
接著，模型直接回傳了一張圖。這張圖的基底是你剛剛拍的菜單，但在原本空白的像素位置上，模型已經完美地融合並生成了對應的菜色影像。
這個結果讓 Andrej 意識到，他辛苦寫出來的整個 Menu Gen 應用程式，在未來其實都是「多餘的」。在舊的思維模式中，我們習慣在資料庫、API、前端介面之間建立一層又一層的應用程式邏輯（App layer）。但在 Software 3.0 的時代，神經網路本身就可以承擔絕大部分的工作。輸入是圖片，輸出也是圖片，中間所有的處理過程都在神經網路的龐大權重矩陣中完成，根本不需要任何傳統軟體架構。
這告訴我們一個殘酷的事實：許多我們現在認為很酷的 AI Wrapper 應用程式，只要底層模型的基礎能力稍微往前跨一步，這些應用程式的生存空間就會瞬間歸零。我們必須重新框架自己的思維，不能只是把 AI 當作讓傳統軟體跑得更快的工具，必須去思考有哪些過去絕對不可能實現的事情，現在可以直接透過神經網路的原生能力來達成。
鋸齒狀智能與統計學幽靈
隨著模型能力變得越來越強大，我們也開始觀察到一個非常詭異的現象。現在最頂尖的模型，可以在幾秒鐘內重構一個十萬行規模的巨大程式碼庫，甚至能夠敏銳地找出極度隱蔽的 Zero-Day 安全漏洞。但是，當你問同一個模型：「我想去洗車，洗車場距離我 50 公尺，我應該開車去還是走路去？」模型卻會一本正經地回答：「因為距離很近，建議您走路去。」
這種在極度艱深的問題上表現出超神水準，卻在生活常識上嚴重翻車的現象，被稱為「鋸齒狀智能」（Jagged Intelligence）。為什麼會產生這種現象？
可驗證性（Verifiability）與強化學習環境
要理解鋸齒狀智能，必須先明白前沿實驗室（如 OpenAI、Anthropic）目前是如何訓練這些超級模型的。現代大模型的突飛猛進，很大程度上歸功於大規模的強化學習（Reinforcement Learning, RL）。在訓練階段，模型會被放入巨大的強化學習環境中，透過不斷地嘗試與獲得獎勵（Rewards）來提升能力。
這裡的關鍵字在於「可驗證性」。在程式設計與數學這兩個領域中，判斷對錯是非常明確的。程式碼要嘛編譯成功並通過單元測試，要嘛就是報錯；數學公式的推導要嘛符合邏輯得出正解，要嘛就是算錯。因為這些領域的輸出結果可以被電腦自動且精確地「驗證」，模型在這些充滿獎勵機制的環境中瘋狂訓練，其能力就會在這些特定領域中如火箭般竄升，形成能力上極端尖銳的「突起」。
相反地，涉及物理世界常識、情境脈絡與人類生活經驗的問題，很難寫出一個完美的自動驗證程式來給予模型精確的強化學習獎勵。這些領域缺乏大量的 RL 環境支撐，因此模型在這些面向的能力就會停滯不前，甚至顯得笨拙。
此外，這也跟各大 AI 實驗室的「專注度」有關。因為寫程式和解決數學問題在當今的經濟體系中具有極高的商業價值，實驗室自然會把大量的運算資源和優質資料投入到這些領域。如果你的應用場景剛好落在模型被強化學習重點照顧的領域內，你會覺得這模型簡直是神；但如果你的應用場景落在了訓練資料分佈之外，你就會覺得它像個難以溝通的笨蛋。
我們召喚的是幽靈，不是動物
當我們在使用 LLM 時，我們不是在馴養一隻動物，而是在召喚一個幽靈（Ghosts）。人類很容易對具有對話能力的事物產生擬人化的投射。我們會覺得模型有情緒、有疲倦感，甚至有動機。在自然界中，動物的智能是透過千萬年的演化、基於生存的內在動機、好奇心與探索欲所塑造出來的。如果你對一隻狗大吼大叫，牠會害怕並改變行為。
但大語言模型完全不是這麼一回事。它們沒有內在動機，它們本質上是由預訓練（統計學基礎）加上強化學習（外加的行為準則）所疊加出來的「統計學模擬電路」。它們是破碎的、鋸齒狀的實體，只在你給予提示詞的那一瞬間被「召喚」出來執行推論，運算結束後就消散於無形。
理解這一點非常重要，因為這決定了我們該如何與這些系統協作。你不能期待它們擁有動物般的常識與自我糾錯本能，你必須接受它們在某些局部具有超人能力、在某些局部又極度脆弱的事實。身為系統的設計者，你必須時刻保持警惕，用系統工程的方法去彌補這些統計學幽靈的缺陷，而不是盲目地信任它們。
從 Vibe Coding 到 Agentic Engineering
當大家都在享受只要動動嘴巴就能讓 AI 寫出完整應用程式的快樂時，專業領域已經開始悄悄發生質變。Vibe Coding 確實是一個迷人的概念，它讓沒有資工背景的人也能享受創造軟體的樂趣。但對於企業級的軟體開發來說，光有 Vibe Coding 是遠遠不夠的。
守住專業品質的底線：「Agentic Engineering」的崛起
Andrej 強調，Vibe Coding 雖然能快速產出程式碼，但它產生出來的架構往往非常臃腫。模型可能會為了完成功能而不斷地複製貼上相同的邏輯，創造出脆弱且難以維護的抽象層，甚至在無意間引入致命的資安漏洞。如果你只是在週末做個好玩的個人專案，這完全沒問題；但如果你要在生產環境中部署服務百萬人的商業軟體，這種做法無異於在流沙上建高樓。
這就是為什麼「Agentic Engineering」應運而生。代理工程學的目標是：在享受 AI 帶來極速開發效率的同時，堅定地守住專業軟體工程的品質底線。
工程師的角色正在發生轉變。過去，工程師就像是親自下場砌磚的工人，對於每一行程式碼的語法都必須瞭若指掌。現在，AI 變成了不知疲倦的實習生，具有超強的記憶力與極快的打字速度。你不需要再死記硬背，這些細節實習生會幫你處理得妥妥當當。
但是，實習生缺乏「品味」與「判斷力」。因此 Agentic Engineer 的核心價值，在於制定嚴密的規格（Spec）、設計穩健的系統架構、把關產品的美學與工程品味，並負責最後的審查與監督。你必須確保系統在底層運作時，不會不必要地浪費記憶體去複製資料，確保資料庫的關聯邏輯無懈可擊。AI 負責填空，人類負責畫布的輪廓與結構。
顛覆傳統的招募模式與 100x 工程師的誕生
隨著代理工程學的成熟，企業招募工程師的方式也必須徹底改寫。過去那種在白板上考演算法、解 LeetCode 題目的面試方法，在 Agent 時代已經完全失效。因為任何一個 AI Agent 都能在零點一秒內給出最佳解。
Andrej 認為，未來的招募面試應該長這樣：給面試者一個龐大的專案需求（例如：「請帶領你的 AI 代理團隊，從零開始寫一個專供 Agent 互動的 Twitter 複製版」）。面試官要觀察的是，這位候選人如何熟練地運用各種 AI 工具建立自己的工作流程，如何拆解任務並分配給不同的 Agent，以及如何確保最終產出的系統具備極高的安全性與擴展性。
面試的最後一關，甚至會演變成一場攻防戰。面試官可能會部署十個搭載最新模型的駭客 Agent，對候選人開發出來的系統進行狂轟猛炸。如果系統在這種極限壓力測試下依然堅若磐石，這名候選人才算具備合格的 Agentic Engineering 能力。
在 Agentic Engineering 的時代，因為 AI 工具帶來了巨大的槓桿效應，一個精通協調多個 Agent、品味卓越且具備深厚系統底層知識的工程師，其產出將遠遠超過十倍的範疇，個人的能力上限已經被徹底打開。
思考可外包，理解不可替代
當智慧變得如此廉價，當你可以輕易地請 AI 幫你寫報告、做分析、甚至開發軟體時，人類究竟還有什麼深入學習的必要？
Andrej 分享了一段引言：「你可以外包你的思考，但你無法外包你的理解。」（You can outsource your thinking, but you can't outsource your understanding.）
「思考」（Thinking）在這裡指的是資訊的處理、歸納、整理與演繹。這些過程往往是繁瑣且耗時的，現在我們完全可以把這些粗活交給 LLM 來代勞。例如，Andrej 自己就非常熱衷於打造個人的 LLM 知識庫（Knowledge Bases）。當他閱讀大量文章時，他會利用 LLM 將這些非結構化的內容轉化為個人專屬的 Wiki 系統，並讓 LLM 從不同的視角與維度對這些資料進行「合成資料生成」與重新編排。
但是，經過 LLM 處理過後的精華資訊，最終還是必須進入 Andrej 的大腦中。他必須親自閱讀、消化、吸收，將這些資訊與自己過往的經驗融合，轉化為真正的「理解」。如果人類不具備深刻的理解力，你連自己想要建造什麼都不知道，連為什麼要建造這個系統都不明白，又怎麼可能精準地指揮手下的 AI Agent 大軍去執行任務？
TN科技筆記的觀點
如果未來的終端運算設備（例如下一代的手機或穿戴裝置）底層直接運行著一個強大的多模態神經網路，那麼傳統的作業系統、App Store、乃至於我們熟悉的應用程式介面，都可能會被徹底顛覆。使用者輸入語音或影像，神經網路直接輸出結果或動態渲染出當下需要的 UI 介面。那些只做資訊搬運或簡單格式轉換的軟體公司，將會在這波浪潮中被純神經網路原生（Neural-Native）的架構輾壓。未來的贏家，或許是那些能掌握特殊高價值資料、並建立專屬強化學習環境的設計者，因為這才是無法被通用模型輕易取代的壁壘。
而雖然 OpenClaw 這類工具展現了 Agent 系統極度迷人的便利性，但剛剛才討論過，AI 是一種「鋸齒狀的統計學幽靈」。當我們將極高的系統權限（Agency）賦予這樣一個幽靈時，災難的發生機率將呈指數型上升。想像一下，如果你只是用語意稍微模糊的提示詞請 AI 幫你「清理一下不需要的舊專案」，它會不會誤判而把你公司重要的程式碼庫整個刪除？更別提如果這些開源 Agent 被惡意提示詞注入（Prompt Injection）攻擊，駭客可能根本不需要破解你的密碼，只要發送一封精心構造的電子郵件讓你的本地 Agent 讀取，就能命令它把你的機密檔案全數外流。在我們享受 Vibe Coding 與 Agentic Engineering 帶來的百倍生產力之前，也必須先建立起一套全新的防護機制。否則，這場生產力革命，很有可能會同時發生一場數位災難。
支持TN科技筆記，與科技共同前行
我是TN科技筆記，如果喜歡這篇文章，歡迎留言、點選愛心、轉發給我支持鼓勵～～～也歡迎每個月請我喝杯咖啡，鼓勵我撰寫更多科技文章，一起跟著科技浪潮前進！！>>>>> 請我喝一杯咖啡
在此也感謝每個月持續請我喝杯咖啡的讀者以及新加入的讀者們，讓我更加有動力為各位帶來科技新知！
以下是我的 threads 也歡迎追蹤、回覆、轉發喔！
>>>>> TN科技筆記(TechNotes)
