从“写代码”到“说人话”：软件正在经历第三次演变
如果说 Software 1.0 是由人类手写的代码（C、Python等），Software 2.0 则是神经网络通过数据“学习”的代码（深度学习），那么 Software 3.0 的本质是——用自然语言“说”出来的代码。
目前，GitHub已经不是程序员的地盘了
在这个新范式中，程序员不再需要精通语法，只需清晰表达意图；而大模型（LLM）则负责“翻译”这些指令，生成底层实现。这种“vibe coding”正快速下沉到主流开发流程，GitHub 上已经开始出现 prompt 和代码混写的新型 repo。
Karpathy 用一个简明的例子对比了三代软件：
软件1.0：手写 Python 做情感分析；
软件2.0：训练情感分类模型；
软件3.0：一句 prompt 就能完成分类任务。
Software 3.0 is not just software. It’s co-intelligence.
LLM不是工具，而是新的“操作系统”
Karpathy抛出一个足够炸裂的观点：大模型不只是工具，而是新一代“智能操作系统”。
模型是CPU（执行器）
Prompt是程序（你说的每一句话）
上下文是内存（它能记住你刚才说的事，但不太能持久）
Terminal是你用的ChatGPT、Cursor、Perplexity这些界面
如果说传统操作系统的单位是“应用程序”，那新一代OS的单位是“Agent智能体”。
它们有任务、有目标、有执行路径，甚至还需要你“划权限”（Karpathy称之为“Autonomy Slider”）来防止它搞事情。
这种新架构意味着什么？
基础设施重写： 我们需要为LLM设计专属的llms.txt、markdown说明、结构化API地图；
DevOps重新定义： Agentic DevOps将半自主AI嵌入软件开发全流程，成为开发者的协同伙伴；
界面设计转向Agent Experience（AgentEx）： 软件要能被机器“理解”，而不是仅仅“被看到”。
从Demo到Deployment：人机协作的黄金时代
Karpathy不鼓吹“全自主代理”（Full Agents），反而更看好“部分自主+人类监督”的协同机制。就像Iron Man穿着AI战衣，而不是让AI接管Tony Stark的人生。
这类“辅助型代理系统”（Partial Autonomy Apps），比如Cursor，可以：
自动生成diff代码块，供程序员审核；
自动补全提示语和函数调用，但需要人工确认；
设置“自主滑块”来控制AI的行动范围。
这种方式在Tesla Autopilot中也有体现：不是全自动驾驶，而是分阶段部署，始终保留人类决策环节。
软件的未来，是共创生态
这场演讲的核心，在于传递一种趋势：软件不再只是人写给机器的命令，而是人类和智能体共同完成的构建。
Karpathy认为，接下来十年，软件行业最大的变量不是哪家公司模型参数最多，而是谁最早建立了“Agent-ready”的全栈开发环境。从设计系统、部署架构到CI/CD流程，所有一切都需要重新面向AI“工程师”来建构。
Karpathy把今天比作1960年代——那时，人们刚开始理解“计算机”是什么；而今天，我们正在试图理解“智能体”的真正形态。
我们要写的是新一代操作系统，不再是for humans only，而是for humans + intelligent agents。
而你要问，这一切何时真正落地？Karpathy给出他的答案：
“2025年也许是‘智能体元年’，但真正成熟，可能还需要十年。”
