标签

#AI

共 7 篇文章

Karpathy：当你的瓶颈不再是代码，而是你自己

Karpathy 在 No Priors 播客提出 7 个核心命题：Token 吞吐量是新的 GPU 利用率，Agent 是新客户，AutoResearch 让人类退出研究循环。完整框架拆解，附行动清单。

Karpathy 在 No Priors 播客说的每一句话都在戳我。AI Psychosis、Token 杠杆率、AutoResearch、LLM 的参差不齐——作为一个每天用 AI 写代码的开发者，我感觉他在描述的就是我正在经历的事。

提示词卷完了，上下文也卷完了。2026 年最重要的工程范式转移是 Harness Engineering。OpenAI 3 人团队 5 个月 100 万行代码，LangChain 不换模型排名从第 30 升第 5，背后是同一件事：环境比模型重要。

这不是一篇十大 AI 工具清单。这是两个月实战摸爬滚打的真实总结：没人谈论的功能、真正有效的流程、浪费数小时的错误，以及帮你节省数天的技巧。

Anthropic CEO 在两小时播客中给出了 90% 信心的判断：10 年内天才之国，编码领域一两年。但真正值得深读的不是时间线，而是他关于两个指数、AI 盈利逻辑、扩散速度的完整思考框架。

一个周末刷新 GitHub 历史增长记录，拿到 14.6 万颗星。技术方案几乎全是现成的。让我愣住的是另一件事：为什么是它？从用户、记忆、信任三个角度深度拆解。

黄仁勋接受 Lex Fridman 三小时深度访谈，谈到了 NVIDIA 护城河的本质、AI 四大扩展定律、AGI 已经实现的判断，以及未来 10 亿程序员的预言。六个最有穿透力的判断。