Karpathy的Agent使用心法——从"提示词工程师"到"智能调度师"
Andrej Karpathy 在 No Priors Podcast 上分享了关于使用 AI Agent 的 10 条实战心得。这些内容并非宏观理论,而是基于顶级工程师在实际开发中遇到的坑与经验总结。核心观点指出,Agent 时代的工作模式正在发生根本性转变:开发者不应再将 Agent 视为简单的代码生成器,而应将其定义为“功能交付单元”。这一认知重构要求从“写一行代码,执行一行”的传统思维,转向“描述功能,Agent 完整实现”的调度思维。
01角色定位与配置心法
在使用 Agent 时,首先需要明确其交付单元的属性。实操层面,建议将屏幕划分为多个 Agent 会话,每个会话负责不同的特定功能(如 API 开发、测试编写、文档生成等),开发者仅需负责 Review 和最终整合。Karpathy 强调,当 Agent 表现不佳时,往往是配置技能而非模型能力的不足。这取决于 Prompt 的清晰度、项目上下文(AGENTS.md)的完备性以及 Memory 工具的正确设置。
- Prompt 即代码
指令模板并非普通文档,而是能够决定程序行为的代码。维护一个“Prompt 版本库”,记录高效写法,比每次从头编写更具效率。 - 编写 AGENTS.md
提供详尽的项目架构、代码风格及关键模块描述。部分用户实践表明,补充完整的上下文文件能显著提升 Agent 的产出质量。 - 文档对象转移
将用户指南编写为 Markdown 格式的 Agent 指南。一旦 Agent 理解了代码库,即可由其承担向不同用户解释代码的工作,人类只需提供核心洞见。
02工作流设计:从瓶颈到消失
传统的人机交互模式(提问-回答-再提问)中,人往往是工作流的瓶颈。Karpathy 建议设计完全自主的 Agent 工作流,让 Agent 具备自我循环、检查与修正的能力。开发者应从工作流中消失,仅在最终环节验收成果,实现“输入少量 Token,产出大量工作”的高效模式。
交互模式对比
人工依赖型
开发者不断提问
Agent 逐步回答
开发者全程在线 Review
人工是效率瓶颈


Agent 自主型
设定初始目标
写代码-跑测试-修Bug闭环
自动迭代与修正
开发者仅验收最终结果
超越“单次对话”思维,搭建能够持续运行的 Agent 系统也是关键一环。例如,配置 Agent 监控特定数据源,一旦发现异常即自动处理并通知,无需人工持续干预。在工具调度层面,若各类工具均暴露 API,单个 Agent 即可统一调度。例如将智能家居系统整合至 WhatsApp 助手,通过单一对话接口完成原本需要在多个 App 间跳转的操作。
03能力边界与战略定位
客观认识 Agent 的能力边界是高效应用的前提。目前,Agent 在“可验证任务”(如编写代码、运行测试、通过 CI)方面表现强劲,但在“软性任务”(如理解微妙意图、把握幽默感、做出价值判断)上仍显薄弱。因此,战略层面应聚焦于 Agent 无法替代的领域。
人机协同分工
Agent 主导领域
可验证、重复性、逻辑性工作
- 代码编写与测试
- 工具调用与数据监控
- 文档解释与生成
- 标准化工作流执行
人类核心价值
创造性、战略性、判断性工作
- 创造性洞见
- 审美与品味判断
- 新颖问题框架设定
- 宏观战略决策
综上所述,从“程序员”向“智能调度师”的转型,本质上是工具升级带来的价值上移。正如从“手写汇编”到“高级语言”的演变,Agent 并非更好的代码补全工具,而是一种全新的工作模式。尽早建立这种肌肉记忆,掌握 Agent 编排技能,是跨越“技能问题”坎、适应未来开发环境的关键。
当前文章无评论,是时候发表评论了