2024精选AI工具测评：告别“锯齿状智能”的实用指南
当前最前沿的大语言模型，已能独立重构一个包含十万行代码的复杂项目。然而，当你询问它如何洗车时，同一个模型却可能给出一个令人费解的建议：步行前往50米外的洗车店。
为何其能力表现如此矛盾？时而展现出超越资深工程师的架构能力，时而又暴露出缺乏基本生活常识的短板？
在近期的Sequoia AI Ascent 2026炉边谈话中，前特斯拉AI负责人、OpenAI联合创始人安德烈·卡帕西（Andrej Karpathy）用一个生动的比喻引出了核心概念——锯齿状智能（Jagged Intelligence）。会后，他亦在社交平台X上提炼了此次对话的关键洞察。
2026年4月29日，Karpathy在Sequoia AI Ascent 2026炉边谈话现场
他的核心论述围绕三点展开：首先，大模型带来的不仅是效率提升，它正开辟数条全新的技术地平线，使某些任务首次成为可能，同时让另一些传统流程变得过时。其次，正是这种“锯齿状”的能力图谱，导致了模型输出的巨大波动性。最后，一个面向原生智能体（agent-native）的新经济范式正在成型，今天所有为人类设计的软件、文档与工作流，未来都可能需要为智能体重新架构。
这三者共同指向一个更深刻的判断：AI的影响已远超“加速编码”的范畴。它正在重塑软件的本质，并重新定义人类在技术生态中的角色。
即便是“氛围编程”（Vibe Coding）一词的提出者卡帕西，近期也公开坦言：“我从未感觉作为程序员如此落后。”主持人以此作为开场，而这并非谦辞。一位身处浪潮之巅的专家亲口承认追赶的吃力，恰恰印证了AI迭代速度的颠覆性。
能重构十万行代码，却建议你走路去洗车
“这很能说明问题。”卡帕西在现场分享了那个经典的“洗车”案例。重构十万行代码，意味着处理极其复杂的软件工程依赖；而“走路去洗车店”，则暴露了一个连孩童都能理解的逻辑断层——需要清洗的是汽车，而汽车本身无法步行。
这一鲜明对比，精准诠释了“锯齿状智能”的内涵。AI的能力演进并非一条平滑上升的曲线，而是一块凹凸不平、峰谷悬殊的锯齿板。在某些经过海量数据训练和强化的任务上，其表现堪称卓越；而在另一些涉及朴素常识或多步骤现实推理的场景中，它却可能意外失效。
因此，当前最危险的认知误区，便是用二元对立的“行”或“不行”来简单评估AI。现实远比这复杂。
新地平线：当软件实现“端到端”达成
卡帕西分享了一个令他深有感触的个人项目。他曾开发过一个名为MenuGen的应用，其流程是：拍摄餐厅菜单，通过OCR识别文字，再调用图像生成模型为每道菜配图。这是一个典型的“软件1.0”思维产物。
直到他看到一个“软件3.0”范式的实现：用户只需将菜单照片发送给Gemini这类多模态大模型，并附上提示词“用Nanobanana把菜品图片贴到菜单上”，模型便能直接输出一张图文并茂的新菜单。
他意识到，自己那个需要集成多个API、处理各种异常流程的App，在新范式面前显得冗余。这揭示了第一条新地平线：AI不再仅是优化旧工具，而是能将原本需要一整套工程化流程才能完成的任务，压缩为模型的一次性端到端输出。
第二条地平线，是“.md”文件取代“.sh”脚本。过去，安装复杂软件常需运行冗长且脆弱的bash脚本，环境差异极易导致失败。卡帕西提到了OpenClaw的安装方式：它提供的不是脚本，而是一段Markdown文档，指示“将此段文本复制给你的智能体”。智能体会自动检查系统环境、调试并完成安装。此时，Markdown不再是供人阅读的说明，而是给智能体执行的操作指令。
第三条地平线，是他在2026年4月提出的“LLM Wiki”概念。传统的检索增强生成（RAG）每次问答都是孤立的，知识无法持续积累。而LLM Wiki让模型在一个由Markdown文件夹构成的“知识库”中持续工作：新文档加入后，模型会自动更新相关条目、修订摘要、补充内部链接、标记矛盾之处。用户可用Obsidian等工具浏览这个动态更新的Wiki。卡帕西比喻道：Obsidian是IDE（集成开发环境），LLM是程序员，而Wiki本身就是被持续维护的代码库。这让知识管理首次具备了类似软件工程的可积累、可版本控制的特性。
这三个案例殊途同归：软件1.0时代，我们亲手编写每一行指令；软件2.0时代，我们训练神经网络的权重；而软件3.0时代，我们的核心工作转变为设计提示词（Prompt）、管理上下文窗口（Context Window）和调度智能体（Agent）。
锯齿状背后的逻辑：可验证性与经济激励
阐释了新范式后，卡帕西深入剖析了根本问题：为何模型的智能呈现“锯齿状”？他认为，这主要不是一个技术瓶颈，而是一个经济学问题。
前沿实验室通过强化学习（RL）优化模型时，决定将哪些能力打包进训练数据分布，很大程度上取决于两个因素：该任务领域的可验证性（Verifiability），及其潜在的市场规模与收入（Revenue/TAM）。
强化学习依赖清晰的奖励信号（Reward），而奖励信号又依赖于任务结果的可验证性。像代码能否编译运行、数学答案是否正确、安全漏洞能否复现这类问题，易于构建自动化评估环境，模型在这些领域便能飞速进化。
但“可验证”仅是前提，“有商业价值”才是核心驱动力。OpenAI、Anthropic、Google等巨头选择优先攻克哪些方向，背后是严酷的商业考量。市场规模大、付费意愿强、能形成商业闭环的领域，会获得巨额资源投入，被精心打磨并整合进RL训练流程；反之，则可能缺乏关注。
卡帕西给出了一个形象的比喻：在强化学习铺设好的轨道上，模型的能力如同高速列车般飞驰；而一旦离开这些主流数据分布，就如同手持砍刀进入原始丛林，举步维艰。
因此，我们今天观察到的“锯齿状”，并非缺陷，而是一种必然的结构。它是“可验证性”与“经济激励”这两把刻刀，共同雕琢出的能力轮廓。
这对创业者至关重要。卡帕西在现场给出了直接建议：若想在AI领域创业，应寻找那些“可验证、但巨头尚未大规模投入”的垂直领域。然后亲自构建强化学习环境，收集领域数据，对基础模型进行微调（Fine-tune）。这可能是当下构建竞争护城河最有效的路径之一。
换言之，下一批成功的AI原生公司，其核心资产可能就是它们独有的“验证环境”。谁能定义出具有高价值的可验证任务、构建起高效的奖励循环（Reward Loop）、并积累起丰富的边缘案例（Edge Cases），谁就掌握了主动权。
卡帕西将看似神秘的AI能力不均衡现象，还原成了一个清晰可分析的工程与经济学交叉课题。
从“氛围编程”到“智能体工程”
2025年2月，卡帕西在X上创造了“Vibe Coding”（氛围编程）一词，用以描述那种高度依赖AI生成、开发者几乎不亲手编写底层代码的编程模式。该词迅速流行，甚至被柯林斯词典选为2025年度词汇。Cursor、Lovable、Replit等公司的崛起，也印证了这股趋势。
一年后，在此次对话中，他为这个概念升级了一个新词：智能体工程（Agentic Engineering）。
在他看来，两者扮演不同角色：“氛围编程”是“抬高地板”（Raising the Floor），它极大降低了编程门槛，让更多人能够参与创造；而“智能体工程”则是“保住天花板”（Preserving the Ceiling），它确保在AI的辅助下，专业级软件的质量和架构标准不会滑坡。
因为当前AI生成的代码，在卡帕西看来存在“臃肿”问题——包含大量重复代码，抽象设计古怪且脆弱，虽然能运行，但代码质量堪忧。
他举了一个真实案例：他的智能体在开发MenuGen时，竟试图用Stripe支付接口和Google登录返回的邮箱地址来做用户匹配，而不是使用一个持久化的唯一用户ID（User ID）。这种设计错误是任何有经验的工程师都会避免的，但智能体却会自然而然地犯下。
因此，卡帕西为智能体给出了一个精准定位：它们就像是一群“实习生”。实习生很有用，能承担大量基础工作，但你绝不会让他们独自负责生产环境的核心代码。需求定义、系统架构、安全保障、审美判断、结果验证……这些关键职责，智能体目前还无法独立承担。
“氛围编程”的爽感，主要体现在业余项目和快速原型构建上；而“智能体工程”则是专业软件开发的下一个阶段。前者降低了入门门槛，后者则对开发者提出了更高的系统设计和管控要求。两者不能混为一谈。
这也是当前行业容易陷入的误区。在“氛围编程”的热潮下，很多人高喊“人人都是程序员”，但卡帕西指出：能在智能体时代生存下来的工程师，不是那些写代码最快的，而是那些最懂得如何有效管理和驾驭智能体的“导演”。
思考可以外包，但理解无法替代
炉边谈话中，主持人提出了一个普遍的焦虑：当智能体能够编写代码、调度任务、自行安装软件时，人类的价值还剩下什么？
卡帕西引用了一条令他深受启发的推文来回答：“你可以外包你的思考，但你不能外包你的理解。”
他的解读是：人类仍然是整个流程的瓶颈，因为只有人类才真正知道自己要构建什么，以及为何要构建它。在智能体流程中，人类的角色演变为“工程管理”或“工程导演”。
具体而言，这个角色包含六个无法被完全替代的核心职能：
- 需求定义：清晰阐述要构建的目标。
- 拆解计划：将宏观目标分解为可执行的原子任务。
- 系统架构：决定系统的整体结构、组件关系与技术选型。
- 品味判断：评估哪个方案在质量、优雅度和用户体验上更优。
- 过程监督：确保智能体的执行过程不偏离预设轨道。
- 结果验证：最终确认智能体的产出是否正确、可靠、符合预期。
这六件事，智能体可以辅助，但无法承担最终责任。
卡帕西再次提及了他著名的“动物与幽灵”比喻。他认为，当前的前沿大模型研究不是在创造有内在动机的“动物”，而是在“召唤幽灵”。
幽灵没有自主意识，它的智能完全由外部数据和奖励信号塑造而成，是一个全新的物种。因此，我们不能像对待人类一样对待智能体，也不能像对待传统确定性软件一样对待它们。
而人类的位置，就是“导演”。导演不亲自扮演每个角色，但他必须懂戏，必须掌控全局。同样，未来的开发者可能不亲手写每一行代码，但他必须知道产品应该是什么样子、为何A方案优于B方案、以及系统上线后可能面临何种挑战。
Sequoia在2026年给出的观察是，AI应用的渗透速度正在加快，成功企业的规模天花板也在提升，“从0到1亿美元”的俱乐部正在向“从0到10亿美元”演进。顶尖的AI创业公司，其单员工年产值已超过百万美元。这背后是智能体在高效执行，但能让智能体产出如此巨大价值的，正是那些懂得如何当好“导演”的创始人。
在谈话尾声，卡帕西描绘了一个更遥远的愿景：未来某天，神经网络或许会成为计算机的主处理器，而传统的CPU则降级为协处理器。但即便走到那一步，“导演”的位置也不会消失。因为“幽灵”永远不会替你思考你究竟需要什么。那些无法被外包的部分，正是人类价值永恒的锚点。