從 Vibe Coding 到 Agentic Engineering：Karpathy 宣告軟體開發的世代交替
連 Karpathy 都說「我落後了」 2025 年底，Andrej Karpathy 在 X 上發了一則推文，震撼了整個開發者社群。 他說：「我從未像現在這樣感覺自己落後這麼多。這個行業正在被戲劇性地重構，而我如果能好好串接過去一年出現的工具，我可以變得強大 10 倍——但我沒做到，感覺純粹是 skill issue。」 這不是一個剛入行的初階工程師說的話。
說這句話的人，是Andrej Karpathy是 Tesla AI 的前總監、OpenAI 的創始成員之一、全球最受敬重的 AI 研究者之一。他的這番自白，迅速被轉推超過一萬次——因為它說出了無數開發者心裡有感覺、但說不清楚的事：軟體工程這個行業，正在被一場規模九的地震重塑。
一、發生了什麼？這是「相變」，不是漸進升級
Karpathy 用了一個物理學詞彙來描述這件事：phase transition（相變）。
水降溫到某個臨界點，不是慢慢「變得更硬」，而是瞬間從液態轉為固態。現在 AI 對軟體開發的衝擊，就是這樣。
他說：「LLM agent 的能力，尤其是 Claude 和 Codex，在 2025 年 12 月跨越了某種連貫性門檻，在軟體工程中引發了相變。在短短幾週內，我從『80% 手寫 + 20% agents』翻轉成『80% agent coding + 20% 微調』——這是我 20 年來編程習慣最大的一次改變。」
更值得玩味的是他描述的心理感受：「感覺像在作弊。以前是技術驕傲和高智商象徵的程式碼，突然變得免費而即時，非常令人迷失方向。」
這種「被剝奪感」不是個人情緒，而是整個行業正在集體經歷的認同危機。工程師的核心價值，第一次被認真質疑了。
二、什麼是 Agentic Engineering？
要理解這個轉變，得先搞清楚兩個詞的差別：
Vibe Coding 是 Karpathy 自己在 2025 年初創造的詞——描述的是一種「憑直覺跟 AI 協作」的輕鬆寫程式方式：你告訴 AI 大概想要什麼，它生成程式碼，你感覺對了就用，感覺不對就再 prompt 一次。快速、隨興、適合 prototype。
但 Karpathy 現在說，那個階段已經過去了。
Agentic Engineering 是他提出的新詞，代表更成熟、更有紀律的下一階段。這裡的 AI 不只是幫你「生成片段程式碼」，而是能夠：
理解上下文、自主做架構決策
執行完整的 debug 循環（生成 → 測試 → 分析失敗 → 修正 → 重試）
跨多個檔案、跨多個 subsystem 協作
像一個「精力無限但偶爾粗心的初階工程師」一樣運作
這整個生態系統現在的技術概念清單長這樣：Agents, Sub-agents, Prompts, Contexts, Memory, Modes, Permissions, Tools, Plugins, Skills, Hooks, MCP, IDE Integrations……
Karpathy 說：「這就像某個強大的外星工具被丟到世界上，但沒有附說明書。每個人都在摸索怎麼使用它，而隨之而來的規模九職涯地震，已經在撼動整個行業了。」
三、開發者的角色翻轉：從「工匠」到「指揮家」
這場轉變最核心的影響，是開發者的身份認同。
過去幾十年，優秀的軟體工程師意味著：掌握語法細節、熟悉演算法、能快速實作複雜邏輯。你的價值體現在「你能寫出什麼程式碼」。
現在，這個定義正在瓦解。
新的開發者角色更像是指揮家——指揮家不親自演奏每一個樂器，但他定義整首曲子的方向、節奏、和聲關係，讓每個演奏者（也就是 AI agents）協調運作。
具體來說，這意味著：
舊技能樹（仍重要，但不再是核心差異化）
語法熟練度
演算法實作速度
框架使用技巧
新技能樹（現在才是核心競爭力）
System design：理解組件如何互動、預測故障模式、為 scale 設計架構
Specification writing：把需求、邊界條件、品質要求寫成 AI 可執行的規格
Domain knowledge encoding：把行業知識轉化為 agent 的指令與 guardrails
Orchestration：讓多個 agents 協調運作，建立 review checkpoint，維持品質控管
一個很實用的工具是在你的 repo 裡維護一份 CLAUDE.md 或 agent.md。每次你手動修正 AI 生成的程式碼，就把那條規則加進去——讓這份文件成為你對 AI 的「行為守則」，越積累越有價值。
另一個成熟的方法論叫 Spec-Driven Development：先寫詳細規格再讓 AI 執行。規格包含需求、架構、API 合約、錯誤處理、邊界案例。花半天寫完規格，然後讓 Claude Code 在 10 分鐘內完成實作——這不是偷懶，這是新的工程紀律。
四、Karpathy 的兩個預言
除了描述現況，Karpathy 還做了兩個讓人深思的預測。
預言一：Slopacolypse（爛內容末日）
隨著 AI 工具的門檻降低，程式碼、應用程式、技術文章的產出量將會爆炸性增長。但大多數輸出將缺乏真正的系統理解與品質把關。
GitHub 上將充斥「能跑但架構一團亂」的 repos。 arXiv 會出現大量「格式正確但洞見空洞」的論文。技術部落格會被「表面流暢但毫無深度」的 AI 生成文章淹沒。
結果是：辨別能力成為最稀缺的技能。 能判斷 AI 生成方案是「優雅的解法」還是「只是能動」的工程師，將享有巨大的溢價。這需要的，恰恰是那種對系統有深度理解的人，而不是只會 prompt 的人。
預言二：10x 工程師的差距將大幅擴大
傳統的「10x 工程師」靠的是打字速度快、演算法背得熟。但在 Agentic Engineering 時代，生產力的乘數效應將來自Orchestration 的掌握程度。
能有效驅動 AI agents、設計穩健系統架構、把 domain knowledge 編碼成可重複執行格式的工程師，將產出遠超傳統同儕的成果。
這代表行業將出現明顯的bifurcation（兩極化）：早期擁抱 agentic workflows 的人，優勢會快速複利滾大；而繼續停留在舊模式的人，市場價值將以同樣的速度流失。
五、對台灣開發者的具體建議
台灣有強大的工程文化、豐富的硬體生態系、以及在製造業、金融、醫療等垂直領域深厚的 domain knowledge。這些，恰恰是在 Agentic Engineering 時代最有價值的資產。
但機會窗口不會永遠開著。
三件現在就可以開始做的事：
1. 建立你的 agent.md 在你目前的 side project 或工作 repo 裡，開一個 CLAUDE.md 或 agent.md 文件。把你對程式碼風格、架構偏好、錯誤處理方式的要求寫進去。這份文件會成為你最有價值的工程資產之一。
2. 練習 Specification Writing 開始把需求用更精確的方式書寫——不是寫給自己看的 to-do list，而是寫給 AI 執行的規格書。試著在你的下一個功能開發中，先花 30 分鐘寫規格，再讓 AI 實作，感受流程的差異。
3. 深化你的 Domain Expertise 你在金融、製造、醫療、電商哪個領域有深度？那個領域知識，在 Agentic Engineering 時代，比任何 framework 的熟練度更值錢。把行業知識系統化，才能轉化為有效的 agent 指令。
給 Tech Manager 的額外提醒：不要強迫工程師用受限的舊版模型。這不只影響生產力，還會讓頂尖人才出走。
結語：這不是危機，是角色升級
Karpathy 的自我反省，表面上是一個人承認自己落後。但更深一層的意義是：連這個行業最頂尖的人都在積極學習新的工作方式，那我們還在等什麼？
從 2023 到 2024 年，觀望是合理的——工具還不成熟，可靠性存疑。但到了 2026 年，這個理由已經站不住腳。基礎模型達到生產等級、推論成本每 8 週減半、工具生態系已完整到可以直接上線。
問題從來不是「AI 會不會取代我」。
問題是：你是否成為那個能駕馭 AI 的人？
工匠用雙手建造。指揮家用視野塑造。兩者都需要高度的掌握——只是掌握的對象不同了。
現在就開始實驗。工具已經在那裡，框架正在成形，先行者的優勢，等著那些願意行動的人去拿。