来源: Dan McAteer @ X 视频原文: https://youtu.be/kwSVtQ7dziU
核心思想
Karpathy 的核心观点只有一句话：当 AI Agent 不好用时，99% 是你的问题，不是模型的问题。
这 10 条洞察，本质上是在教你如何从”写代码的人”升级为”调度 AI 的人”。
1. 用”宏观动作”思考，而不是”一行代码”
你是指挥官，不是士兵。
以前思考的是”这一行怎么写”，现在思考单位应该是”这个功能交给哪个 Agent”。
怎么做：
- 把屏幕分成多个窗口，每个窗口跑一个 Agent
- 把互不冲突的任务并行分配给不同 Agent
- 你只负责分配任务、审查结果、整合输出
类比： 就像项目经理，不再自己写文档，而是把不同模块分给不同人同时推进。
2. 出了问题，先怀疑自己
刀不快，别怪铁不好。
当 Agent 没给出你想要的结果，第一反应不是”模型太烂”，而是问自己：
- 我的 prompt 写清楚了吗？
- 我的
AGENTS.md/CLAUDE.md指令文件够不够详细？ - 我的工具配置（记忆、上下文）有没有问题？
- 我的任务编排逻辑合理吗？
Karpathy 原话： “当它不好用时，感觉就是技术不到位（skill issue）。“
3. 把自己从瓶颈中移除
好的系统不需要你时刻守着。
如果 Agent 每做一步都要等你来 prompt 下一步，那你就是瓶颈。真正的杠杆效应是：
你偶尔输入很少的 token，却让大量的事情自动发生。
怎么做：
- 设计完全自主的 Agent 工作流，减少人工介入节点
- 让 Agent 自己决定下一步，而不是等你指令
- 你的精力用在”启动”和”验收”，不是”过程监控”
Karpathy 自己的例子： 把整个智能家居统一到一个 WhatsApp agent。“我回家了” → agent 自动协调灯光、温度、音乐。
4. 培养 Agent 编排的”肌肉记忆”
这是一门需要刻意练习的新技能。
管理多个 Agent 就像学开车 —— 刚开始很别扭，熟练后自然而然。你需要练习的是：
- 如何在屏幕上合理分配多个 Agent 窗口
- 形成”分配任务 → 等待 → 审查 → 整合”的节奏感
- 判断哪些任务该并行，哪些该串行
5. 把指令文件（AGENTS.md）当成可调优的代码
你的 markdown 指令文件，本质上是在给 AI 编程。
CLAUDE.md、AGENTS.md 这类文件不是写完就扔的文档，而是你和 Agent 之间的接口定义，需要持续迭代：
- 不同的指令措辞会产生截然不同的行为
- 可以 A/B 测试不同版本，看哪个效果更好
- 甚至可以让 Agent 帮你优化指令本身（元优化）
类比： 就像调超参数 —— 写好指令文件，就是在调模型的”行为超参”。
6. 用 Agent + API 替代一堆独立的 App
不要登录 6 个不同的管理后台，用一个 Agent 统一搞定。
思路转变：
- 以前：每个工具有自己的 UI，你手动操作
- 现在：工具暴露 API，Agent 负责调度，你只说”我要什么”
适用场景： 数据查询、工单系统、监控报警、内容发布……凡是有 API 的，都可以被 Agent 整合。
7. 投资于持久运行、循环执行的 Agent
让 Agent 在你睡觉时也在工作。
单次对话式的 Agent 只是入门。更高级的玩法是：
- Agent 有自己的沙箱环境
- 能跨会话记住上下文（持久化记忆）
- 持续循环执行，不需要你每次重新启动
- 出问题时能自动恢复
类比： 从”随叫随到的助手”升级为”有自己工作节奏的员工”。
8. 模型能力是”锯齿状”的，不是均匀的
AI 很擅长有标准答案的事，但在模糊判断上很弱。
| 擅长的任务 | 不擅长的任务 |
|---|---|
| 写代码、跑测试 | 讲笑话、理解微妙语气 |
| 可验证的逻辑推理 | 创意审美、意图揣摩 |
| 格式化、转换数据 | 非验证性的主观判断 |
实践建议： 设计工作流时，把 AI 擅长的部分交给它，把需要”人类判断”的节点留给自己。
9. 为 Agent 写文档，而不是为人类写文档
文档的读者变了，写法也要变。
传统文档是给人读的（HTML、图文并茂）。现在，如果你的代码库有供 Agent 理解的 Markdown 文档，Agent 就能：
- 自动向任何人解释代码逻辑
- 根据不同受众用不同语言表达
你的价值变了： 你不再需要写”能让人看懂”的文档，而是提炼模型自己无法生成的核心洞察，其余的都交给 Agent 去解释。
10. 只把精力放在 Agent 做不到的事上
AI 能做的，迟早比你做得更好。你的时间要用在刀刃上。
你的不可替代价值：
- 创意直觉（知道什么值得做）
- 品味判断（什么是好，什么是烂）
- 全新的问题框架（提出别人没想到的方向）
凡是 Agent 能做的，就大胆交出去。你要专注的，是那个模型暂时还无法生成的”第一个想法”。
总结
你的角色转变：
代码执行者 → 任务编排者 → 方向决策者
能力建设路径：
1. 学会并行分配任务（第1、4条）
2. 打磨工作流，让自己不是瓶颈（第3、7条）
3. 把指令文件当代码迭代（第5条）
4. 用 Agent 整合工具链（第6条）
5. 了解模型边界，扬长避短（第8条）
6. 重新定义自己的价值（第2、9、10条）
最后一句话： 如果你觉得 AI Agent 没用，大概率是 skill issue。