什么值得买App

我的兴趣消费指南

什么值得买
连续签到专享现金活动

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。
  1. 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。
  2. 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。
  3. 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。

评论

评论区空态插画

当前文章无评论,是时候发表评论了