---
title: Karpathy 怎么看 AI Agent（七）：当程序员贡献的 bits 越来越少，什么技能还值钱
source_url: https://mp.weixin.qq.com/s/-EAqvaCnjY-dox3P8d8D7w
publish_date: 2026-05-13
tags: [wechat, article, agent]
review_value: 7
review_confidence: 7
review_recommendation: neutral
sha256: 28eb4713d8f6b4ee70622b5d3fe42b737fa98931ba99cee50b74a72074dd8214
---
# Karpathy 怎么看 AI Agent（七）：当程序员贡献的 bits 越来越少，什么技能还值钱
**作者**：AllenTang  
**平台**：微信  
**原始链接**：https://mp.weixin.qq.com/s/-EAqvaCnjY-dox3P8d8D7w  
**抓取日期**：2026-05-13  
**来源**：架构师带你玩转AI
---
## 核心问题
Karpathy 说程序员贡献的"bits"越来越少——这句话的精确含义是什么？在这个趋势下，哪些技能的价值在上升，哪些在下降？这个判断在 2026 年的就业市场和工程实践里，验证了多少？
## 一、"bits"这个词的精确含义
Karpathy 用"bits"描述程序员工作，暗含一个判断：
**衡量程序员贡献的标准，一直以来被错误地锚定在"写了多少代码"上，而不是"解决了多少问题"或者"做出了多少正确判断"上。**
- **Agent 不存在的时代**：两个标准大致对齐——你做出了正确判断，你就需要把这个判断实现成代码；写了多少代码，大致反映了你做了多少有价值的工作。
- **Agent 存在的时代**：两个标准**解耦**了——你可以做出大量有价值的判断，但亲手写的代码极少，因为判断被翻译成代码这件事由 Agent 来做。
这个解耦，是理解"什么技能还值钱"这个问题的起点。
## 二、价值在下降的技能
### 下降最明显的：样板代码和标准实现
增删改查、标准的 CRUD 接口、常见的数据处理流程、格式转换、标准库的调用方式——这类代码，Agent 生成的速度和质量，已经和一个有经验的工程师相当，甚至在某些维度上更好（更全面的错误处理、更一致的命名规范）。
**这类技能的市场价值，在 2026 年已经明显下降，而且这个趋势不会逆转。**
### 下降明显的：对特定语法和 API 的记忆
知道某个框架的 API 怎么调用，知道某种语言特定的语法边界——这类记忆性知识，价值在快速下降。
- 你不需要记住 Pandas DataFrame 的所有方法，Agent 记得
- 你不需要背 SQL 的各种 JOIN 语法，Agent 会写
理解它们的存在和大致用途，仍然是有效使用 Agent 的前提。但记得多清楚、能不看文档就写出来，这个维度的价值在快速下降。
### 下降但不会消失的：纯执行层面的编码速度
你能多快把一个需求翻译成可运行的代码——这个技能的相对价值在下降，但不会完全没价值。在某些场景里（快速调试、特殊约束下的实现、对 Agent 输出的快速修改），亲手写代码的能力仍然是需要的。**只是它不再是区分工程师价值的核心维度。**
## 三、价值在上升的技能：四个维度
### 维度一：问题定义能力
能把一个模糊的需求或者研究想法，转化成一个精确的、可以被验证的问题陈述——这个能力，在 Agent 时代的价值比以前更高，不是更低。
**原因**：Agent 非常擅长解决被精确定义的问题，但它在把模糊需求转化成精确问题上能力有限。这个"把模糊变成精确"的工作，仍然需要人来做，而且这件事做得好不好，决定了后续所有 Agent 工作的质量上限。
Karpathy 在描述他"停止写代码之后"的工作时，把问题定义放在第一位。
### 维度二：系统判断能力
能在不需要亲自实现每个细节的情况下，对一个系统的整体结构、关键瓶颈、潜在风险做出可靠的判断——这个能力，在 Agent 接管了大量实现工作之后，成为了区分工程师价值的核心维度之一。
**悖论**：你需要足够的实现经验，才能在不亲自实现的情况下做出可靠的系统判断。系统判断能力不是凭空来的，它是在大量亲手实现的经验上建立起来的。那些完全跳过实现阶段、从一开始就只做"高层判断"的人，往往缺乏让他们的判断可信的经验基础。
### 维度三：Agent 编排能力
知道怎么把一个复杂任务分解成 Agent 可以处理的子任务，怎么设计上下文，怎么设置检查点，怎么评估 Agent 的中间输出，怎么在 Agent 出错时定位根本原因——这是一套新的工程技能，在 2026 年的需求正在快速增加。
这套技能和传统的"写代码"技能有交叠，但不是同一套。
### 维度四：评估和验证能力
Agent 大量生成代码和内容之后，谁来评估这些输出是否正确、是否符合要求、是否有潜在的问题——这个评估角色，在 Agent 时代变得越来越关键。
**要成为一个好的评估者，你需要深度理解你在评估的东西。** 技术深度仍然是有价值的，只是它的应用方式变了——从"用技术深度来生成解决方案"，变成了"用技术深度来评估解决方案"。
## 四、一个不够被讨论的维度：沟通能力
把需求精确地传达给 Agent 的能力，不只是"写好 Prompt"，是一种更深层的沟通能力：能用 Agent 能理解的方式，把人类的意图、约束、上下文，翻译成 Agent 可以有效工作的输入。
- **精确化**：把模糊的意图变成精确的要求
- **结构化**：把复杂的任务分解成逻辑清晰的步骤
- **上下文化**：识别 Agent 需要但可能没有的背景信息，主动补充
- **约束化**：把隐性的限制条件（不能改变 X，必须兼容 Y）显式化
## 五、Karpathy 的判断和 2026 年就业市场的对照
### 已经清晰验证的
- 纯粹的代码生成岗位（"只需要把需求翻译成代码"的初级工程师职位）的需求在下降
- AI 工具使用能力变成了一个越来越常见的招聘筛选维度
- 系统设计和架构判断能力的市场溢价在上升
### 还在演化中的
- "Agent 编排能力"作为一个独立的职业技能，还没有形成成熟的评估标准和市场定价
- 问题定义能力和评估能力，在市场上的价值上升是真实的，但这类软性能力很难被量化
### 一个值得注意的反直觉现象
在某些领域，对深度技术能力的要求反而在上升——因为 Agent 可以生成大量代码，但判断这些代码是否真正正确、是否有潜在问题、是否适合特定的约束条件，需要比以前更深的技术理解。
**也就是说：浅层的技术知识（知道怎么写）的价值在下降，深层的技术理解（知道为什么对、为什么错）的价值在上升。**
这个分化，是 Karpathy 判断里最重要的细节，也是最容易被简化成"写代码没用了"这个错误结论的地方。
## 六、一个他没有明说但隐含的警告
如果你的价值主要建立在"你能快速写出正确的代码"这件事上，而不是建立在"你对问题和系统的深度理解"上，你面临的压力会比你想象的更早到来。
这不是说你明天就会失业。是说这个价值基础在快速变薄，而建立新的价值基础——问题定义能力、系统判断能力、Agent 编排能力、评估能力——需要时间，不是一夜之间可以完成的。
**开始这个转变，比你认为需要的时候更早一点，是比较稳妥的策略。**
这个警告不只适用于初级工程师，也适用于资深工程师——如果你的资深体现在"比别人更快更准地实现需求"，而不是"比别人更深地理解问题和系统"，这个资深在 Agent 时代同样面临压力。