#Andrej Karpathy

1个月前

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 的日常开发中，大约四分之三的时间最依赖的依然是 Cursor 的自动补全。这里面有一个细节很有意思：Karpathy 并不是依赖自然语言提示去驱动 AI 写代码，而是更习惯在代码里写注释、写片段，用“演示”的方式告诉模型你想要什么。这种方式带宽更高、意图更明确，也避免了上下文缺失造成的偏差。不过他也坦言，有时候 Cursor 太“热情”，会补全一大段并不需要的内容，打断思路。所以他会频繁地开关这个功能，就像和一个“话痨搭档”保持距离。 2 当遇到更大块的功能需求，或者不太熟悉的领域，Karpathy 就会把舞台交给 Claude Code 或 Codex。这类工具更适合快速生成一大段可用的代码实现，尤其是在写 Rust、SQL 这样的语言时，可以立刻把复杂的逻辑搭出来，调试和可视化也能很快跑通。这次他提到一个新词——“后代码稀缺时代”。在这个时代，生成和删除代码都变得轻而易举，代码从来不再是稀缺资源，实验和探索的成本被大幅降低。你想尝试一个新思路？直接让 AI 写一版，跑不通就删掉，重新来过。不过，AI 写出来的代码质量往往“不够优雅”。Karpathy 给的例子很具体：喜欢堆砌复杂的抽象、滥用 try/catch、写得又长又冗余、缺乏工程品味。这种时候，他需要手动清理，像给新人代码做 code review 一样，把那些不符合自己风格的部分剔除掉。更有意思的是，他还尝试让 Claude 在写代码的同时顺便“上课”——解释为什么这么写，或者帮忙做超参数调优，但这根本不起作用——它真的想写代码，而不是解释任何东西。这从侧面也说明，AI 现在很擅长写东西，但讲解和教学还远没到位。 3 当自动补全和 Claude 都不管用的时候，Karpathy 的“终极武器”是 GPT-5 Pro。他的做法很简单：把一整个疑难问题丢进去，让模型“沉思十分钟”，然后再看答案。很多时候，GPT-5 Pro 能给出人工难以发现的 bug 线索，或者在抽象优化和文献综述中提供独到见解。换句话说，这是他的“救火队长”。这种三层结构的组合，让 Karpathy 的工作流更像一套生态。轻量需求靠自动补全解决，大规模生成交给 Claude 或 Codex，难题交给 GPT-5 Pro。相比依赖单一工具的思路，这更接近真实的开发场景，也更符合 AI 发展的现状。在这条推文里，他还谈到“后代码稀缺时代”的焦虑。代码不再稀缺，但人的精力依旧有限。工具更新太快，总让人担心自己是不是落伍了，会不会错过了最前沿的可能性。他把这种状态称为“周日胡思乱想”。这正是当下许多开发者共同的心态。我们既兴奋于生产力的突飞猛进，又害怕自己无法驾驭这匹充满野性的骏马。对普通开发者和使用 Vibe Coding 的普通用户来说，这里面有几个启示：首先，要放弃寻找完美工具的幻想，建立自己的工具组合。不同的任务难度需要不同的 AI，像调动一个虚拟团队一样，谁擅长什么就用谁。其次，要学会用“代码里的意图”而不是“自然语言的空话”去驱动模型，把注释和片段当作沟通语言，这样效率更高。最后也不要忽视清理的过程。AI 生成的东西往往像半成品，需要你用工程师的直觉和审美去打磨。写到这儿我想起一句老话：工欲善其事，必先利其器。只是到了今天，器不再是一把锤子、一个 IDE，而是多个快速迭代的 AI 工具。它们不再是静止的工具，而更像一群性格迥异的搭档。我们需要学会和它们合作，学会在噪音里保持判断，学会在洪流中找到自己的节奏。

AI编程工具激战：Claude Code、Gemini Cli崛起· 901 条信息

#Vibe Coding #AI编程工具 #Andrej Karpathy #代码生成与优化 #后代码稀缺时代

1个月前

andrej karpathy 提出了 vibe coding 这个概念，但是他并没有说不愿意 vibe 的软件工程师马上就要完蛋。同理，我们讨论 vibe writing，也不会说不愿意 vibe 的传统写作者马上就要完蛋。技术/工具层面的讨论，目的是思想碰撞，是交流，追求的是真理、真相。但媒体层面的设置议题（xx太牛逼，yy要完蛋），完全是另一回事，甚至可能只是一种流量技巧。屡试不爽，没有风险，争议越大越成功。

#Vibe Coding #技术讨论 #媒体议题 #流量技巧 #Andrej Karpathy

1个月前

愿你的 regularizer 足够强，以防你被 RLHF 训练成 xxx🤣 （xxx 可替换为各种被外部反馈强化扭曲异化的人与现象，例如“讨好型人格”，例如不说人话故弄玄虚或每天炸裂追求流量无下限的自媒体…） --- 人肉做翻译，确实有趣。 andrej karpathy 的这句话，过了这么久了，也还是觉得很难翻译。你会怎么翻译？怎么费曼这个 idea？

#RLHF #翻译 #Andrej Karpathy #费曼 #自媒体

1个月前

Andrej Karpathy的三步学习法，快速成为某个领域的专家： 1.反复承担具体项目，并深入完成它们，在过程中按需学习 (不需要完整掌握知识体系)； 2.用自己的话教授或总结你学到的一切； 3.只与过去的自己比较，不要与他人比较。注：Andrej Karpathy 博士毕业于斯坦福大学，师从李飞飞，是 OpenAI 的创始成员，Vibe coding创始人。

#Andrej Karpathy #快速学习 #项目实践 #知识总结 #自我提升

1个月前

刚刚路过小镇会客厅，有人在投屏学习 Andrej Karpathy。我也收藏好久了但还没开始学习…

#小镇会客厅 #Andrej Karpathy #学习 #编程 #围观

2个月前

NotebookLM 的视频生成功能让我有付费冲动：整体质量出色。我用《Andrej Karpathy: Software Is Changing (Again)》做了测试，除了一处音画不同步、音频被截断外，其余片段的同步都很到位。它的幻灯片页设计也令人眼前一亮——简约但不简单；看多了 Manus 一类的页面，再看这种清新风格格外舒服。字幕是我加的

AI视频井喷：Midjourney领跑，多模态混战· 184 条信息

#NotebookLM #视频生成 #Andrej Karpathy #软件变革 #用户体验积极

3个月前

andrej karpathy的每一个知识视频，都是纯金的。值得看个5678遍。我刚才用40分钟时间完整看了一遍，还差4567遍🤣（包括但不限于：读文稿、相关讨论、和chatgpt探讨、笔记、推特和文章分享……）现在，ai总结的“干货”\浓缩\精华，过快、过多、过于泛滥（对于平庸的内容，ai总结是必要且有益的）；但是，对于“纯金内容”，那就得采用“5678遍学习法”：不求多快好深，但求深入理解、主动思考、走完学习闭环，对思维和行动有实际助益。把这个视频加入待看清单吧，哈哈

#知识视频 #Andrej Karpathy #AI总结 #学习方法 #内容精华

karminski-牙医

5个月前

斯坦福发了个新的 Transformer 课程，这个课程邀请到了 Andrej Karpathy, Geoffrey Hinton, Jim Fan, Ashish Vaswani 等大佬，可以免费在线观看地址：

#斯坦福 #Transformer课程 #Andrej Karpathy #Geoffrey Hinton #Jim Fan #Ashish Vaswani #免费视频

7个月前

深度解析ChatGPT与DeepSeek R1：强化学习如何让大模型学会“思考”？ Andrej Karpathy 前几天发的“深度解析像 ChatGPT 的大语言模型“，实在是太长了点，我自己写的翻译软件一运行就崩溃，还要花点时间修复一下（很遗憾 AI 还搞不定），先挑了其中一节讲 DeepSeek R1 的翻译了一下，强化学习如何让大模型学会“思考”。像 GPT-4o 这种属于传统的预训练和监督微调（SFT）模型，而 o1，DeepSeek R1 这种则属于强化学习（RL）训练模型，能让模型自发地进行更复杂、更具创造力的推理。模型在不断迭代中学会自我回溯、多角度思考，输出更完整的解题过程。 Andrej 对 DeepSeek R1 评价不错，虽然 OpenAI 是首先实现了 RLFT，但DeepSeek R1更公开透明，带来可复现的研究细节，权重可下载。他也给了日常模型选择上的建议，如果你要解决高难度数学或编程问题，像 R1 这样的“思考型模型”更具优势，但相应的计算与时间成本更长，一些知识性或简单的咨询问题用 GPT-4o 这样的监督微调（SFT）模型就足够了。

#ChatGPT #DeepSeekR1 #强化学习 #大模型 #Andrej Karpathy