最近在油管上，有个视频很火。
https://www.youtube.com/watch?v=96jN2OCOfLs
是采访安德烈·卡帕西（OpenAI 联合创始人）的一个视频，他是 Vibe Coding 这个词的缔造者。
他在去年在 推特 上发了一个帖子，发明了 Vibe Coding （靠着感觉编程）这个词。
但是一年多过去了，他对这个的看法又有了转变了。
没错，就是 Agentic Engineering 智能体工程。
什么意思呢？不能再觉得把软件写快重要了，把软件质量写高才是现在的关键。保住软件质量！
推荐大家看看这个 油管 视频的原文。通篇和题意想表达的意思差不多。下面是我整理的笔记：
我先来讲一个案例，叫 MenuGen 案例，不知道大家有没有在别的地方听说过这故事。
老外 Karpathy 做了个叫 MenuGen 的网站解决了一个痛点：
你如果去国外的餐厅，给你的菜单，都是一些文字，没有图，你不知道菜长什么样。怎么办？
于是他就使用 AI 做了个很复杂的软件，各种 OCR 识别、调用各种各种技巧，之后再重新渲染、暂时、部署、加上支付认证....
但是！
后来他发现 谷歌 的 nano banana 一句提示词就能直接生成效果，而且还更好....
那这个 MenuGen 其实完全没意义了。
很多 AI 应用公司以为自己在做“更快的软件”。比如过去一个任务要 10 个步骤，现在 App 帮你压成 3 个步骤。但在 Software 3.0 里，模型本身的输入输出可能直接覆盖这个任务，中间 App 的结构就失去必要性。
还有去年前年的文生图，我们使用各种工具流研究.... 还有 文生视频 ..... 最后大模型自己的力量，也叫 模型原生能力， 一上来，什么 gpt-image-2 、 seeddance 2.0 ，直接就是降维打击。
现在 Vibe coding 也有这样的痛点，就是 AI 应用不是被做的更快，而是会跟不上模型的进化。
还记得前一段时间，那个让人 背后一凉 的惊悚的 【去 50 米外洗车该走路还是开车】这种弱智脑筋急转弯问题都答不上来的事件吗？
大模型的能力，在各个领域是不均匀的。它能重构 一个巨大的软件库，找 day0 bug ，但是谁晓得哪个瞬间哪个小细节，犯了那种低级错误，会酿成多大的后果？
就跟声波和机器声波一样，它不像动物一样，智能是平缓的稳定的，它是由人类文档、预训练、统计、强化学习奖励、根据各种特殊的方式塑造出的锯齿状事物。
“锯齿状智能”（jagged intelligence）：能力曲线不是平滑上升，而是有高峰和断崖。有些任务强得惊人，有些任务弱得荒诞。
不能把它当成一个智能生命看待。
以前的时候，程序员的开发速度，主要取决于他能写多少，记多少。一般老老实实，写完就能用，比较稳定，修起来也心有成竹。
现在完全不一样，是能不能驾驭好这个很强大，但也真的会犯错的 AI 机器。 （而且还是随机犯错....）
现在更多更多的人可以用人话跟 AI 写出软件了，但是专业软件，依然是不能糊弄的。
所以他引入了 Agentic Engineering 这个概念。
未来不单单是注重 Vibe coding，也要 想办法 如何设计、协调、监督一组 AI Agent，让它们在不牺牲质量、安全、可维护性的情况下加速开发。
提高 AI 写出的代码的质量。
其实这个视频里面讲了大把的干货，主要是一些案例、技巧，推荐大家去看看原视频，受益肯定会匪浅。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。