1|--- 2|title: 智能体工程 3|created: 2026-05-01 4|updated: 2026-05-01 5|type: concept 6|tags: 7| - workflow 8| - agent 9| - engineering 10|sources: 11| - "raw/articles/新智元-Karpathy-锯齿状智能-Sequoia-2026" 12|confidence: high 13|--- 14| 15|# 智能体工程（Agentic Engineering） 16| 17|智能体工程是 Andrej-Karpathy 在 2026 年提出的概念，由他此前发明的 Vibe Coding 升级而来。如果说 Vibe Coding 是"把地板抬高"（让所有人都能写软件），那么智能体工程就是"把天花板保住"（让专业软件不因 AI 而掉到不该掉的水准）。 18| 19|## 从 Vibe Coding 到智能体工程 20| 21|| 维度 | Vibe Coding（2025） | 智能体工程（2026） | 22||------|---------------------|-------------------| 23|| 目标 | 降低编程门槛 | 保持工程质量 | 24|| 定位 | 抬高地板 | 保住天花板 | 25|| 受众 | 所有人 | 专业工程师 | 26|| AI 角色 | 代码生成器 | 实习生团队 | 27| 28|## 核心理念 29| 30|### 智能体是实习生 31| 32|Karpathy 给智能体一个非常准确的定位：智能体就是一群实习生（intern entities）。实习生有用，但你不能让他们独自上线生产代码。这意味着： 33| 34|- 智能体可以高效完成明确的任务 35|- 但需要人类进行质量把关和方向把控 36|- 不能完全信任智能体的输出 37| 38|### 人类作为工程导演 39| 40|在智能体工程范式下，人类的角色从"写代码的人"转变为"工程导演"，承担六项核心职责： 41| 42|1. 需求定义（Spec）：写清楚要做什么 43|2. 拆解计划（Plan）：拆清楚怎么做 44|3. 系统架构（Architecture）：决定系统长什么样 45|4. 品味判断（Taste）：判断哪个方案是好的 46|5. 过程监督（Oversight）：盯着智能体别跑偏 47|6. 结果验证（Verification）：验证产出是否正确 48| 49|## 与 锯齿状智能 的关系 50| 51|智能体工程的前提是理解模型的锯齿状能力分布。工程师需要知道模型在哪些领域可靠、在哪些领域需要额外监督，才能有效地进行任务分配和质量保障。 52| 53|## 与目标导向协作的关系 54| 55|目标导向智能体协作 是智能体工程的一种具体实践模式——人类定义目标，智能体负责路径探索和执行。这体现了"导演"角色的本质：你不需要亲自演戏，但你要知道这个产品该长什么样。 56| 57|## 与 多智能体模型分工 的关系 58| 59|智能体工程的实践层面，劳伦斯 (@LawrenceW_zen) 的 hero-coding 实验提供了具体验证：在多智能体编排中，非思考小模型用对了地方（高频执行）比思考模型又快又便宜，用错了地方（规划任务）就乱来。这呼应了 Karpathy 的核心观点——智能体需要人类导演做质量把关和方向把控。 60| 61|## 外部链接 62| 63|- 来源文章 - Karpathy戳破「锯齿状智能」 64|- Karpathy 关于 Vibe Coding 的原始推文 65|- hero-coding：全自动 Coding Agent MVP 66|
来源
暂无来源