Greg Isenberg认为未来10年最大的创业机会是专为AI Agent构建的基础设施和服务层。他列举了19个具体方向,核心逻辑是:Agent在消费、权限、安全、法律、支付等维度的行为模式与人类截然不同,现有工具无法满足,催生出全新的垂直市场。这与移动互联网时代围绕智能手机建立基础设施的历史路径高度相似。
Andrej Karpathy 发布了 nanochat 开源仓库,可在单张 GPU 上以约 100 美元复现完整的 ChatGPT 训练流程(含预训练、微调、RLHF 和聊天 UI),相比 2019 年 GPT-2 原始训练成本(43,000 美元、168 小时)下降了 99%+。文章作者逐行解析了该仓库的技术细节,并指出这标志着'自建 ChatGPT'从比喻变为现实。这一进展发生在美国政府限制 GPT-5.6 出口的同一周,形成鲜明对比。
本文系统介绍了 Andrej Karpathy 提出的 LLM Agent 记忆四分类框架:权重内记忆、上下文记忆、外部检索记忆和 KV 缓存记忆,并结合 Python 代码讲解每种记忆的实现方式。文章兼具理论深度与工程实用性,是构建 AI Agent 记忆系统的高质量参考指南。
Greg Isenberg 与联合创始人 Theo Taba 系统讲解了如何构建 AI 原生组织,核心是让人管理自主 Agent、Agent 读写公司知识库,并通过「技能链」替代单一提示词来大幅提升输出质量。现场演示了 5 分钟内生成客户提案微站、10 分钟内搭建功能原型,证明该方法论具备直接落地价值。
Claude Code 的创造者 Boris Cherny 认为,随着 AI 编程能力的成熟,'软件工程师'这一职位将逐渐消失,取而代之的是'构建者'(Builder)——一种以 AI 为中心、以判断力和目标感驱动的工作角色。黑客马拉松的结果表明,非技术背景的人(电工、医生、木匠)借助 AI 代理反而胜过专业工程师,说明真正稀缺的能力是'知道自己要构建什么'。他以1990年代企业采用个人电脑的历史为鉴,强调只有将 AI 置于工作流核心的组织才能获得真正的生产力提升。
Claude Code创始人Boris Cherny分享了AI编程工具如何重塑软件工程的核心洞察:工程师角色已从写代码转向编排AI工作流,Anthropic内部人均生产力提升200%,新工程师上手时间从数周缩短至两天。他预言通才工程师的黄金时代已到来,甚至对'品味'这一被认为是人类持久优势的东西提出了质疑。
Karpathy 在 Sequoia Ascent 2026 上提出 Software 3.0 框架:LLM 是解释器,上下文窗口就是程序本身,提示词/工具/记忆取代了传统代码。这不是现有开发流程的加速,而是一种范式跃迁——许多原本需要完整应用架构才能解决的问题,现在一个提示词即可完成。对 AI 创业者的核心追问是:哪些软件根本不应该继续以软件形态存在?
Karpathy 在 Sequoia Ascent 演讲中提出 Software 3.0 的概念框架,将 LLM 定义为继显式代码(1.0)和训练权重(2.0)之后的第三个可编程层,核心组成为提示词、智能体、工具、记忆与验证。他将 2025 年 12 月标记为 AI 智能体从演示走向实际生产的拐点。其核心判断是:下一代 AI 原生公司的竞争壁垒不在于 UI 封装,而在于谁拥有最强的验证闭环。
Karpathy 预测计算范式将发生根本性反转:神经网络将成为主操作系统,CPU 退化为确定性协处理器。他认为当前所有经典软件界面都是1950年代'计算器路径'的历史遗留产物,一旦神经网络成为主运行时,预构建界面和显式指令序列的需求将彻底消失。未来的 UI 将由扩散模型实时生成,而非由产品团队预先构建。
Andrej Karpathy 于2026年3月发布了一个约30行代码的AI自动化研究原型,让智能体自主编辑训练代码、运行实验并迭代优化,两天内完成700次实验,将GPT-2训练时间缩短11%。随后他加入Anthropic,将这一循环引入Claude的预训练流程,目标是用AI替代人工ML研究者加速训练优化的发现过程。
一个3人开发团队通过'氛围编程'架构(vibe coding)在生产环境中重建了两款产品,核心策略是:前端用AI生成,后端手写,通过开放API和MCP服务器连接两者。该团队从20人缩减至3人,同时保持甚至提升了交付速度。文章区分了哪些场景适合AI生成代码(展示层),哪些必须人工把控(系统记录层/安全逻辑)。
Andrej Karpathy 提出 LLM 交互范式正在经历第三次重大演变:从网页聊天机器人、桌面应用,进化为具备持久性、异步性、组织级工具和上下文的'团队成员'。这一范式要求底层完成跨工具、集成、计算环境、记忆和安全的系统性工程,使 AI 真正融入团队工作流,而非作为独立功能存在。
Vibe coding(基于LLM的自然语言编程)已引发大规模安全危机:超过2000个应用在公开网络泄露敏感数据,62%的AI生成代码存在漏洞,2026年3月的CVE数量超过2025全年总和。文章梳理了三种主要立场:安全已经失守、这是原型开发的合理代价、以及问题根源在于模型训练目标而非vibe coding本身。
Karpathy 在 Sequoia Ascent 2026 上提出「Agentic Engineering」概念,将其与「Vibe Coding」明确区分:前者是专业工程纪律,后者只是被动接受 AI 生成的代码。核心主张是:AI 时代的优秀开发者不是代码的消费者,而是对 fallible agent 的主动编排者,需要掌握 spec 设计、diff review、eval 设计和安全审查等能力。Karpathy 认为掌握 agentic workflow 的人可能远超传统 10x 工程师的生产力上限。
Boris Cherny(Claude Code 创始人)提出了一个0-4级的AI采用成熟度框架,描述了从传统审批流程到AI原生意图驱动的演进路径。核心论点是:组织内部个体产出差距并非来自算力,而是来自每个成熟阶段的瓶颈与护栏设计。Anthropic自身处于Step 3,Cherny声称个人已达到Step 4(1000+并发Agent)。
本文深入分析了2026年'Vibe Coding'的现状与边界,区分了AI辅助开发与纯提示词编程两种截然不同的实践,并基于真实数据指出其在样板代码、原型验证等场景的效率优势。文章核心观点是:Vibe Coding是真实且有力的工具,但使用者需要清晰认知其适用边界,而非将其视为万能解法。'SaaSpocalypse'现象表明这一趋势已对现有软件行业格局产生实质性冲击。
本文作者基于自身构建B2B SaaS和支付平台的实战经验,系统拆解了vibe coding的原始定义与误用边界,并将主流AI编程工具分为editor型/agent型/builder型三类以便精准选型。核心论点是:生成速度不等于生产质量,上线前必须插入机械化验证门控,才能将vibe coding的效率优势安全带入生产环境。
Greg Isenberg 提出了一条从0到$100k MRR移动应用的清晰路径:选择已有市场验证的习惯类目(健身/冥想/记账等),叠加AI差异化功能制造'惊喜时刻',配合freemium订阅模式、TikTok/IG内容营销、付费搜索/ASO以及产品内病毒循环,系统性地实现增长。整套打法强调复制已验证模式而非创新,注重可量化的执行细节。
Anthropic Claude Code团队打破传统职级体系,所有人统一称为「技术人员」,并根据产品阶段形成五种实际角色:原型者、构建者、清理者、增长者(文章截断,第五种未显示)。核心观点是角色跟随工作阶段而变化,而非固定职位,且团队成员普遍具备编码能力,PM、设计师、财务都会写代码。这一组织模式对AI时代的产品团队结构具有强烈示范意义。
AI模型Fable 5展示了惊人的3D世界生成能力,仅用1600行代码便能创建高度交互的沉浸式3D场景(如水下曼哈顿),一次性生成63个复杂世界,让AI领域先驱Karpathy直呼震撼。这标志着生成式AI在实时可玩3D内容创作上实现了质的飞跃。
Anthropic Claude Code团队负责人Boris Cherny提出,AI时代团队分工正在被重构,传统岗位标签(工程师、产品、设计等)正在消融,取而代之的是5种基于行为模式的新角色:原型者、构建者、清扫者、增长者、维护者。这一框架来自Claude Code团队的实际实践,反映了AI驱动下软件团队组织结构的深层变化。
Claude Code 创始人 Boris Cherny 提出,AI 正在打破程序员与设计师的传统职能边界,未来产品开发将围绕五种新角色重组:原型验证者、构建者、清理者、增长者和维护者。Anthropic 内部已在实践这一跨职能混合团队模型,团队成员不受职位头衔约束,可自由跨越功能边界。这一变革意味着传统的职能孤岛将被打破,角色的组合比例会随产品生命周期阶段动态调整。
Anthropic的Claude Code团队打破传统职能分工,所有人统一头衔'技术人员'并要求人人会编码。团队以极高迭代速度运作(一个spinner经历50-100次迭代,80%从未上线),并由此衍生出五种工作原型:Prototyper、Builder、Sweeper、Grower、Maintainer。作者认为,AI时代PM的核心竞争力将转向'判断力'——能从大量原型中识别出真正值得推进的那一个。
Claude Code 创始人 Boris Cherny 提出 AI 时代软件团队的五种功能原型:Prototyper(创意原型)、Builder(快速构建)、Sweeper(优化清理)、Grower(迭代增长)、Maintainer(稳定维护),认为未来产品角色将跨越传统职能边界融合。这五种原型与产品所处阶段强相关,不同阶段需要不同的角色组合。作者认为这一框架比当前以学科划分的职能角色更能反映 AI 团队的实际工作模式。
Anthropic 推出 Claude Tag 功能,将 Claude 直接集成进 Slack 工作流,用户可通过 @Claude 在频道中委派任务。Andrej Karpathy 将此定义为 LLM 交互范式的第三次重大革命,标志着 AI 从独立工具演变为持久嵌入式团队协作者。该功能内部已承担 Anthropic 65% 的代码相关工作。
Vibe coding工具正在重塑创业门槛,2026年市场规模达47亿美元,Cursor估值293亿、Lovable ARR达4亿美元,非技术创始人借助AI编程工具可将SaaS产品开发成本从20万美元压缩至5000美元。63%的用户并非开发者,VC正在大规模押注这一平台级转变,但20余家竞争平台也带来了同质化压力。
Greg Isenberg 认为'学习 AI'这一笼统建议毫无意义,并提出了六项在 AI 时代真正增值的具体技能:AI Agent 搭建、以分发为核心的营销、机器人工程、策展型内容创作、builder-distributor 一体化、以及 IRL 社群运营。核心逻辑是:AI 让内容、软件、建议趋于泛滥,稀缺性正在向归属感、信任和真实语境转移。每项技能均附有可在一个周末启动的具体练习。
Vibe Coding(意图驱动开发)已从一个梗演变为主流开发范式,开发者通过自然语言描述目标,由AI实现代码。文章分析了其适用场景(原型、脚手架、探索性开发)与局限性(系统复杂性、安全敏感代码),并指出2026年掌握AI原生开发工作流的开发者薪资溢价高达56%,核心竞争力在于判断力而非工具使用本身。
AI工程的下一阶段不再是人工提示,而是构建自动化循环让系统自主与AI交互。Boris Cherny提出'Loop Engineering'概念:工程师的核心工作从写提示词转变为设计驱动AI的循环逻辑。这标志着AI编程范式的根本性转变——从人机对话到机器自主编排。
Boris Cherny(Claude Code负责人)提出「循环工程」范式:顶尖开发者已不再手动提示AI,而是构建让Claude自主运行的系统——包含验证门、重试逻辑和技能文件。这代表从「使用AI辅助」到「设计AI自治系统」的结构性跃迁,其复利效应会随时间大幅拉开差距。