Andrej Karpathy 将软件发展分为三个阶段，Software 1.0，是通过编写计算机代码来解决问题，标志性产物是 Github；Software 2.0，神经网络扮演了重要角色，编程工作变成了训练和调参，通过调试不同的数据集，来修改神经网络每一层、每个节点的权重，标志性产物是 Hugging Face；而 Software 3.0 最本质的变化是，神经网络变得“可编程”了，且编程语言

#Software 3.0 #人机交互 #概率性编程 #AI编程工具 #规则定义

相关新闻

Guangzheng Li

3天前

写了一篇快 1w 字的长篇博客《谈谈 AI 编程工具的进化与 Vibe Coding》最近关于 AI 辅助编程和 Vibe Coding 的讨论非常激烈，想了想还是写一篇博客来表达我自己的观点。从分析现在的 AI 编程工具，到讨论 Vibe Coding，我们应该如何思考和实践编程这条道路？

池建强

4天前

我这半年看过最好的 Vibe Coding 技巧上周 OpenAI 的创始成员 Andrej Karpathy 在 X 上发了一条长长的推文，继续阐述自己在 Vibe Coding 方面的实践。这次他开门见山的表示，不要幻想有一个万能的 AI 工具能解决所有编程问题，更可行的做法是建立一个三层结构，让不同的工具在不同场景各司其职，像接力赛一样完成开发任务。 1 在 Karpathy 的

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

5天前

语义吸睛、结构定向、意图投射——理解生成式系统与人类交互，三者必须同时被读懂与可核查，否则“好听的故事”就可能变成隐蔽的社会工程。

GitHubDaily

1周前

在使用 Cursor、Cline 这些 AI 编程工具，有时候它们会无脑执行一堆命令，既浪费时间又增加开发成本。面对这个问题，可以使用 Interactive Feedback MCP 这个开源的 MCP 服务器。安装了这个 MCP 后，AI 助手在执行任务前会主动询问我们的意见，避免了盲目执行无效的开发任务。 GitHub：主要功能： - 在 AI 执行命令前后加入人工确认 -

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

1周前

第二部分：生成式AI的本体论——语言的自我指涉与嵌套与Crypto的向内收敛相反，生成式AI的本体论是向外的、无限扩张与包容的。 1. 计算主体变为数字神经网络：这是一个根本性的主体转移。在传统计算中，机器是“客体”，是人类理性的延伸工具。在生成式AI中，数字神经网络（ANN）成为了一个新的“主体”，一个能够自主学习、推理和创造的认知实体。 2.反身性的数理构：这里用的“反身性（Re