AI编码领域的转变：Karpathy的2026年反思与Boris Cherny的Claude Code团队回应

大模型在编程领域的能力提升得飞快，像Claude Code这样的AI工具层出不穷。软件工程似乎正面临一场AI带来的重大变革。很多人试过“Vibe Coding”——那种直观、随性的AI辅助编码方式后，都觉得AI编程时代可能真的到来了。就连行业顶尖大牛们也持类似观点。最近，前特斯拉AI总监、OpenAI前研究员Andrej Karpathy就针对AI编程辅助分享了自己的深刻见解。随后，Anthropic的Claude Code创建者Boris Cherny也基于团队实践回应并补充看法，观点相当有启发性。本文梳理这些信息，供大家参考和思考。

Andrej Karpathy的观点：AI编码快速发展，但可能会制造大量垃圾内容

Andrej Karpathy是一位AI领域的资深从业者。他曾任特斯拉AI总监、OpenAI创始成员，并在斯坦福大学获得博士学位并教授CS231n课程。目前，他在Eureka Labs AI项目中工作。Karpathy以训练大型深度神经网络著称，他的分析常影响行业方向。

2025年底，Karpathy在X平台发布了一篇笔记，基于最近几周使用Claude等模型的编码实践，讨论AI对软件工程的影响。这篇笔记获得广泛关注，包括Elon Musk的转发，浏览量达数百万。Karpathy将2026年视为行业适应AI代理能力的转折年，指出模型已跨越“连贯性门槛”，引发软件工程的结构性变化。

Karpathy的具体观察与分析

Karpathy的笔记基于个人经验，描述编码工作流的快速演变。他强调这一转变在几周内发生，是他20年编程生涯中最显著的变化。以下是其主要内容：

• 工作流调整：从2025年11月的80%手动编码+20% AI辅助，转为12月的80% AI生成+20%人类编辑。编程从逐行逻辑构建变为用自然语言描述意图。尽管有“自尊冲击”，但处理大型代码块的效率显著提升。他估计双位数百分比的工程师正经历类似变化，而公众认知仍较低。
• IDE与代理工具的现实：反对当前“无需IDE”或“代理群”炒作。模型仍出错，需要在IDE中监督。错误从语法问题转向概念性失误（假设错误、不求澄清、不呈现权衡）。模型倾向过度复杂化、膨胀抽象、遗留死代码。尽管有CLAUDE.md指令尝试修复，仍需人类干预。但整体仍是巨大进步，难以回归手动编码。他的流程：在左侧多个Claude会话，右侧IDE查看与编辑。
• AI的持久性优势：代理不知疲倦地尝试，突破人类易放弃的瓶颈。观察代理长时间奋斗后成功，提供“感受AGI”的体验。耐力成为工作瓶颈的突破点。
• 效率扩展：难以量化加速，但主效应是任务边界扩张：实现以往不值得编码的小功能，或进入知识门槛高的领域。不仅是速度提升，更是能力扩展。
• 方法优化：从命令式转向声明式，提供成功标准让AI迭代。结合测试驱动开发、浏览器控制、优化循环，放大杠杆效应。
• 编程体验变化：更多乐趣，移除重复工作，减少阻塞感，提升勇气。但可能分化工程师：偏好编码过程 vs. 专注构建结果。
• 技能退化风险：已观察到手动编写能力衰退。生成与审阅代码是不同技能，语法细节导致编写衰退更快。
• 内容泛滥担忧：预测2026年为“slopacolypse”年，GitHub、ArXiv、X等平台充斥低质AI生成内容。同时伴随真实改进与炒作。
• 开放问题：10x工程师的生产力差距是否放大？通用主义者是否优于专家？未来编码像StarCraft还是Factorio？社会知识工作瓶颈在哪里？

Karpathy的笔记以实际观察为基础，提醒行业：智能进步超前于工具、流程和组织适应。2026年将是高强度调整期，呼吁工程师跟上步伐。他的详细观点可以参考：https://www.datalearner.com/blog/1051769474983503

Boris Cherny：Anthropic工程师与Claude Code团队的回应

Boris Cherny是Anthropic的工程师，他于2024年加入公司，此前在Meta（前Facebook）担任工程师，并曾在PagerDuty等公司积累经验。他著有O’Reilly的《Programming TypeScript》一书，专长于前端工程、TypeScript和AI工具开发。在Anthropic，他参与Claude Code的开发与领导，这是一个基于Claude模型的AI编码工具，支持自然语言生成、迭代和审查代码。

Cherny的回复直接针对Karpathy的帖子（回复ID：2015979257038831967），发表于2026年1月27日。作为Claude Code团队成员，他用Anthropic的内部实践作为参考，提供对部分问题的“方向性答案”。

Boris Cherny的三大核心观点

Cherny的回复认可Karpathy的分析，但以Anthropic实践提供具体见解。他聚焦招聘、生产力和代码质量，以下是提炼的三点：

1. 招聘策略偏向通用工程师
   团队主要招聘跨领域通用工程师，结合资深与资浅成员。因为传统技能在LLM编码下不完全适用——模型能填补细节。Cherny同意Karpathy的观点，强调“10x工程师”仍存在，但他们常跨越产品、设计、业务或基础设施。这回应Karpathy对通用 vs. 专才的疑问，表明AI时代通用人才更适应变化。

2. AI主导代码生成，提升输出量
   团队几乎100%代码由Claude Code + Opus 4.5生成，甚至无手动编辑。Cherny个人已连续两月如此，一天提交22-27个PR，通过CLI、iOS app、Slack或桌面app实现。他预测行业将逐步跟进，并扩展到非编码工作。这点展示更高输出，回应监督与适应担忧。

3. 代码质量问题存在，通过模型与工具管理
   承认AI缺陷如过度复杂化、死代码、不善重构。但这些会随模型改进而减少，不会引发“slopcopolypse”。Opus 4.5已较好，未来更强。临时方法：用新鲜上下文让AI自我审查（Anthropic的“claude -p”工具用于每个PR）。这表示信心：AI将提高标准，而非造成混乱。

Boris的原帖来自：https://x.com/bcherny/status/2015979257038831967

总结分析：AI编码转变的含义与展望

Karpathy的观点突出AI编码的快速发展与潜在风险，如垃圾内容泛滥与技能退化。他的笔记基于实践，警示2026年的调整需求：模型能力超前，需要新流程。Boris Cherny的回应提供平衡，用Anthropic的Claude Code实践证明AI可管理、可优化。团队的“100% AI生成”模式显示当前可行性，预示生产力爆炸式提升。

这一交流揭示AI编码的双面：优势在效率与边界扩展（从周到小时级），挑战在监督与社会影响。工程师角色将从编写转向指导，强调方向与判断。公司需调整招聘，优先AI适应人才。行业需开发审查工具，应对内容爆炸。

在San Jose等科技枢纽，这一转变正加速。对于开发者或管理者，现在是整合Claude Code等工具的时机。否则，如Karpathy所述，可能落后。欢迎评论分享AI编码经验——共同探索这一领域。