Karpathy AI 代理：20 个并行无需代码

20 个并行 AI 代理：Karpathy 如何放弃手动编码

OpenAI 联合创始人、前 Tesla AI 总监 Andrej Karpathy 自 2025 年 12 月以来就没有手写过代码。在 No Priors 播客上，他描述了实验 20 个并行 AI 代理处理所有开发工作时的一种“癫狂”状态。转向将大任务委托给代理，已经完全消除了手动劳动。

委托而非微观管理

Karpathy 认为，代理的错误总是用户的问题。模糊的提示、缺少记忆机制，或者错误的任务处理方式，都会导致失败。模型的能力已经足够强大——真正需要的是更好的交互技巧。

关键转变：放弃逐行编辑，转而采用宏任务。代理负责：

• 完整函数实现。
• 探索备选方案。
• 架构规划。

每个任务耗时 20–30 分钟。同时运行 10–20 个代理，能加速迭代。Karpathy 将此称为“技能问题”——用户需要掌握这种新的工作方式。

真实案例：开发者 Peter Steinberger (OpenClaw)。他的设置：一个代理写代码，另一个负责研究，第三个规划。开发者只需审查。一块塞满数十个 Codex 代理的显示器，成了社区的热门梗。

用 AI 代理自动化家居

Karpathy 将代理的应用扩展到代码之外。他的 AI 管家 Dobby 负责运行智能家居：

• 照明和窗帘。
• 气候控制和泳池。
• 安全摄像头和音频。

一切通过自然语言文本消息控制。Dobby 会通过摄像头提醒他快递员的到来。“Dobby 现在在运行整个房子，”Karpathy 指出。这展示了代理在非编码任务上的多功能性。

开发范式转变

2025 年 12 月，手动编码与代理的比例从 80/20 逆转为 20/80，随后手动工作降至零。Karpathy 预测，大多数日常开发者还没有意识到他们的工作正在发生剧变。

新技能：协调并行代理。这会带来巨大回报，但需要练习。并行运行（10–20 个代理）将空闲时间降至零，专注于审查还能提升质量。

关键要点：

• 代理错误是用户技能问题：提示、记忆、方法。
• 委托宏任务（函数、研究、架构），而非逐行代码。
• 并行启动 10–20 个代理处理 20 分钟任务，加速开发。
• Steinberger 示例：代理分工 + 开发者审查。
• Dobby 通过自然语言处理接口自动化家居。

中高级开发者的实用提示

要集成并行代理：

• 定义宏任务：不是“写一个函数”，而是“实现一个带测试和文档的模块”。
• 利用并行：为子任务启动 5–10 个代理（代码、文档、测试）。
• 添加持久内存：跨运行保持上下文。
• 让审查成为瓶颈：专注于验证，而非编写。
• 扩展到非代码领域：自动化家居或办公室日常事务。

这种方法将开发者从编码者转变为协调者。大多数从业者严重低估了这一转变的规模。

— Editorial Team