硅谷的聚会真不少。不是吃喝玩乐那种，是一屋子做技术的人凑在一起碰想法的那种。
两年前（2024 年），在一场小型聚会上，Andrej Karpathy 到场，花了几分钟聊他这些年跟 Agent 打交道的经验。这些经验，放在当下2026年仍然值得借鉴。他没有 PPT，没有宏大叙事，就是站着讲了四件事。
最近我重新翻出这段视频，把整段听完了。最打动我的，不是他对 Agent 有多乐观——恰恰是他往当时那波狂热里泼的那盆冷水，在过去的这两年里正在被一步步验证。
Karpathy 这个人有意思的地方在于，他既是最早一批下场做 Agent 的人，也是那个最早承认”当时做砸了”的人。所以他讲的不是预言，是复盘。
四件事，我一件一件说。
一、2016 年做 Agent，太早了
Karpathy 讲的第一件事，是他在 OpenAI 的一个老项目。
那是 2016 年前后。他和 Tim Shi、Jim Fan（论文署名 Linxi Fan）几个人一起做了个东西，叫 World of Bits。想法今天听起来一点都不陌生：让一个 agent 学会操作电脑——用键盘、用鼠标、点网页，去完成真实的任务。比如订一张机票，比如在一个简单的网页上点几下把事情办成。
论文最后发在了 ICML 2017 上。但 Karpathy 自己说得很直白：那不是一篇很棒的论文。
问题出在哪？出在当时手里唯一的工具是强化学习。
你得让 agent 在网页上疯狂地按按钮、点鼠标，然后从环境里去”撞” reward——撞对了给个正反馈，撞错了继续试。听起来很美，实际做起来是场灾难。网页这个东西极其易变，reward 又极其稀疏，一个错误的动作就能毁掉整条操作序列。agent 在里面像个蒙着眼睛的人，靠运气去摸对一连串动作。
这条路走不通。不是因为想法错了，是因为工具还没到。
Karpathy 的结论很干脆：这项技术当时还没准备好，那也不是那个时间点该做的事情。
我特别喜欢这个开场，因为它很诚实。一个做出过 GPT 前身工作、后来又去特斯拉扛自动驾驶大旗的人，愿意站在一屋子后辈面前说”我八年前那个项目做砸了”，这本身就比任何成功学都值钱。
二、当时正确的事，是先放下 Agent 去做语言模型
第二件事，是承接第一件的。
既然 2016 年做 agent 走不通，那当时正确的路是什么？
Karpathy 说：事后看，正确的事情是完全忘掉 AI agent，转头去构建语言模型。
这句话现在听起来像废话——谁都知道后来发生了什么。但你要放回 2016 年那个语境去体会：当所有人都盯着”让 AI 自己动手干活”这个诱人的目标时，真正对的选择是先退一步，去打一个看起来跟 agent 没直接关系的地基。
然后就是我们都知道的故事了。语言模型起来了。七年后的 2023 年，以 AutoGPT、BabyAGI 和斯坦福虚拟小镇（Generative Agents）为代表的 Agent 概念爆火，将“自主智能体”的概念推向了高潮。尽管当时大部分普通人使用的依然是 ChatGPT 这样的 Chatbot（聊天机器人）形态，但在开发者和黑客圈子里，AI Agent 已经掀起了第一波狂热。
但 Karpathy 提醒了一个很多人忽略的细节：agent 是火回来了，可工具箱已经完全换了一套。
今天你再做 agent，用的方式跟 2016 年完全不同。不再是靠强化学习硬撞 reward，而是靠语言模型本身的推理能力，加上工具调用、加上记忆、加上规划，几种能力组合起来。他甚至笑说，在场这些做 agent 的人，很可能一行强化学习的代码都没写过。
这就是”时候到了”和”时候没到”的区别。 同一个目标，隔了七年，因为底层能力（大语言模型的推理与指令遵循）变了，从一条死路变成了一条活路——哪怕在 2023 年，这套地基还不够稳固，大部分 Agent 仍然卡在“不断循环”和“烧 API Key”的 Demo 阶段。
这件事给我的启发，其实超出了 agent 本身。很多我们今天觉得”做不成”的事，未必是方向错了，可能只是脚下的地基还没浇好。判断一件事该不该做，光看目标性感不性感没用，得看支撑它的那层东西到位没有。
三、Agent 很容易 demo，但做成产品可能要十年
这是我认为最重要的一件事，也是那盆真正的冷水。
Karpathy 说，他想给现场的热情稍微降降温。他观察到有一大类问题，特征都很像：非常容易想象，非常容易做出一个 demo，但真正把它变成可靠的产品，难得要命。
他举了两个例子。
一个是自动驾驶。想象一辆车自己开，太容易了。做一个 demo——让车绕着街区跑一圈——也不难。但把它做成一个你敢把命交上去的产品？用了十年，现在也还没完全做完。 这话从他嘴里说出来分量不一样，他在特斯拉扛了五年 Autopilot，是真的在这条路上摔过跟头的人。
另一个是 VR。同样的剧本：想象很容易，demo 很容易，做成真正好用的产品，又是十年起步。
然后他说，Agent 也是这一类。
非常容易想象——你脑子里马上能浮现一个替你处理所有杂事的数字助理。非常容易做 demo——现在随便一个周末就能搭一个能跑通几步的 agent 出来，发个视频，评论区一片惊呼。但从这个 demo 到一个真正可靠、你敢让它替你干正经活的产品之间，隔着的是最难跨的那段距离。
他的建议是：如果你决定投入 agent，就按十年的尺度去投入，别指望短期的奇迹。
我想在这里多说两句，因为这一点我体会太深了。
我自己一个人做了十几个在线产品，其中好几个就是 agent 形态的服务。做 demo 的那个阶段，是整个过程里最快乐、也最不值钱的阶段。让一个 agent 在顺风顺水的情况下把一件事从头做到尾，一个下午就能搞定，截图发出去也挺唬人。
但真正花掉我时间的，全在 demo 结束之后：用户输入一个你没预料到的格式怎么办？工具调用超时了怎么办？agent 把中间一步做错了、后面全盘皆错怎么兜底？同一个任务跑一百遍，能不能一百遍都稳定交付、而不是九十遍对、十遍翻车？
在 2026 年的今天，这些底层的“不确定性”问题彻底解决了吗？老实说，依然没有。因为大语言模型本质上是概率模型，只要是概率，就一定会有方差和波动。
但我们对付它们的武器已经完全不同了。 我们不再傻傻地等模型自己进化到完美，而是通过一套更成熟的 Harness 工程框架（比如严格的状态机控制、结构化输出约束、基于推理模型（Reasoning Model）的步骤自检重试、以及关键步骤的 Human-in-the-loop 人类确认）把这种不确定性包裹起来，从而在概率的废墟上搭建出确定性的服务。
demo 是给想象力看的，产品是给现实看的。而现实里全是魔鬼藏身的细节。
所以 Karpathy 这盆冷水，我举双手赞成。它不是在唱衰 agent，恰恰相反——它是在劝真正想做成事的人，别被那个太容易得到的 demo 骗了，认认真真按长跑的方式去准备。
四、Agent 需要一整套认知结构，光有语言模型不够
第四件事，是他抛出的一个方向性的想法：回到神经科学里去找灵感。
Karpathy 说，他觉得现在重新从神经科学里汲取灵感是件很有意思的事——就像深度学习早期，我们从单个神经元的结构里获得启发那样，今天做 agent 也可以重新这么干一次。
他的核心观点是：语言模型只是完整 agent 的一部分，不是全部。
一个真正像人一样能干活的数字实体，需要的是人类拥有的那一整套认知工具。而人脑恰恰不是一个大模型，是一整套分工明确的系统。他一个一个类比过去：
- 海马体，大致对应记忆和检索。agent 的”海马体”是什么？大概是把经历记录成记忆痕迹，用嵌入去索引，需要的时候再检索出来。
- 前额叶，对应规划和反思——提前想清楚要做什么，做的过程中还能回过头审视自己在干嘛。
- 丘脑和基底节，可能对应多个模块之间的协调。他有个特别生动的比喻：如果你把大脑想象成好几个实体在抢一支麦克风、争着决定你下一步要干什么，那丘脑差不多就是这场争夺发生的地方。
他还特意带了本书到现场，是 David Eagleman 写的神经科学的书，说留在那儿，谁想翻翻可以拿去看。
这一点其实很反当下的潮流。现在整个行业的惯性是”模型越大越好，能力全靠 scale”。而 Karpathy 在提醒：agent 的下一步，可能不在于把那个语言模型堆得更大，而在于给它配上记忆、规划、反思、协调这些原本缺失的器官。
我不是神经科学的人，不敢对这套类比的科学严谨性下判断。但作为一个天天在跟 agent 较劲的产品人，我觉得这个方向的直觉是对的。
我做每一个 agent 服务，真正让它从”能跑通 demo”变成”能稳定交付”的，从来不是背后那个模型本身有多聪明。是我在模型外面搭的那一圈东西：给它配上下文、给它接工具、给它做记忆、给它设规划的步骤、给它兜异常的逻辑。换个说法，我干的活，本质上就是在给一个只有语言能力的大脑，一点一点补上它缺的那些器官。
Karpathy 用神经科学的语言把这件事讲出来了，而我们这些一线做产品的人，其实早就在用最笨的工程方式做同一件事。
两年过去了，到了今天（2026 年）又怎么样了？
如果你细看时间，会发现刚才提到的那段聚会分享其实发生在两年前（2024 年）。
那么，从 2024 年到今天 2026 年，Karpathy 说的那个“十年长跑”真的还在按部就班地走吗？
事实是，AI 的演进速度比所有人想象的都要快。在这短短两年里，Karpathy 自己的态度和整个行业都发生了一次颠覆性的转向。
1. 2025 年末的拐点：Karpathy 自己不敲代码了
在 2024 年，Karpathy 还觉得 agent 还需要很多年去完善。但在 2025 年底，他公开表达了一个极具震撼力的观察：AI coding agent 发生了一个爆发式的拐点。
他提到，从 2025 年 12 月开始，代码生成智能体已经跨过了那个“只能做简单 demo”的阶段，能够端到端地处理非常复杂且连贯的开发任务。这导致他本人的工作流发生了彻底的颠覆：他几乎已经不再手动敲一行行代码，而是通过“表达意图 -> 编排 Agent 运行”的方式来进行开发。
从他在 2025 年初提出的 “Vibe Coding”（氛围编码，即靠直觉和 AI 快速跑通代码），到如今 2026 年他所推崇的 “Agentic Engineering”（智能体工程）——工程师的角色已经彻底从“执行代码”变成了“系统架构师与宏观审查者”。
2. 创立 Eureka Labs：AI 原生教育的实践
除了开发模式的改变，Karpathy 在 2024 年 7 月创立了 Eureka Labs（一家 AI 原生的学校）。他没有等待十年的产品化时间，而是直接将 Agent 落地到了教育领域。
他认为，AI 的终极价值是实现“教师 + AI 助教”的共生体系：由人类顶尖专家设计课程架构，而由无数个不知疲倦、个性化且精通多国语言的 AI 助教（Agent）来陪伴每一个学生进行一对一辅导。其首个项目 LLM101n 课程（如何从零构建一个大语言模型）就是这个理念的具象化。
因此，两年前他说的“做成产品要十年”确实是针对高度自治、完全替代人类的 Agent 而言；但在特定工程和人机协同的领域（如编程和教育），Agent 已经在 2026 年的今天大放异彩。
最后那句鼓励，才是重点
前面四件事，一件比一件冷静。但 Karpathy 最后收了个特别提气的尾。
他说，有件事很有意思、也很多人没意识到：你们这些正在做 Agent 的人，其实正站在今天 AI 能力的最前沿。
他解释得很具体。像 OpenAI、DeepMind 这样的大实验室，训练大型语言模型这件事，他们已经摸得非常透了。透到什么程度？如果有人拿一篇论文来说”我发明了一种新的训练 Transformer 的方法”，实验室里的反应大概率是——哦，这个啊，两年半前有人试过了，结果是这样，为什么不 work 我们也清楚。这个领域已经被研究得明明白白、规划得清清楚楚。
但 agent 不一样。
Karpathy 说，每当一篇新的 agent 论文出来，连他们这群人都会凑过去看，然后说”哦这个真酷，真新”。为什么会新？因为没有哪个团队有五年时间扎在这上面把它摸透，而且这个领域现在正在跟在场的每一个创业者、每一个 hacker 同场竞争。
换句话说：大模型训练那块，边界已经很清楚了，你很难再往外拓;但 agent 这块，边界还很模糊，很多东西根本还没被系统地探索过。 你现在扎进去，就是在跟全世界最聪明的一群人站在同一条起跑线上，去趟一片没人趟明白的地。
这话我信。而且我想接着他往下说一句：正是因为它难做成产品，它才是前沿。
如果 agent 像 Karpathy 说的那样，容易 demo、难产品化、要按十年尺度去投入——那这恰恰意味着，真正的门槛不在于你能不能做出一个惊艳的 demo，而在于你有没有耐心和方法，去把那段从 demo 到产品的路一步步走完。demo 谁都会做，那个不稀缺。稀缺的是把 agent 变成一个跑一万遍不翻车的可靠系统的那套工程能力。
这也是我这一两年一门心思在做的事。我把在模型外面搭的这套东西叫 Harness——上下文、工具链、记忆、规划、异常兜底、结算跟踪，一整套。我一个人能同时运营十几个 agent 形态的产品，靠的不是我手里的模型比别人强，是这套 Harness 搭得够扎实。我把它们摆在了 Zaokit.ai 上——一个专门给 agent 服务用的交易平台，每个 agent 都有报价、有下单入口、有交付追踪；也做成了 Zaokit.app，帮有内容能力的人把文章一键变成封面、配图、信息图和 PPT（唯一网站：https://zaokit.app）。企业侧还有 cc.zaokit.com 的 Claude API 接入、cx.zaokit.com 的综合服务、tokenhub.zaokit.ai 的 Token 用量管理、gift.junxinzhang.com 的礼品方案，完整列表在这里。
我不是在造更聪明的模型——那是大实验室的事，边界他们摸得比我清楚。我是在做 Karpathy 说的那件”还很新、还没被探索完”的事：怎么把语言模型这块拼图，拼成一个真正能干活、能收钱、能稳定交付的完整 agent。
写在最后
Karpathy 这场分享，浓缩成一句话就是：
Agent 这件事，方向是对的，但它是场十年的长跑，不是一个周末的冲刺。
2016 年他做早了，因为工具没到；如今到了 2026 年，工具和模型底座已经足够强大，但很多开发者依然容易被那些看似惊艳的 demo 蒙蔽，以为终点就在眼前。真相是，在绝大多数垂直业务场景中，从“能想象的 demo”到“能在现实中稳定交付的产品”，中间那段工程落地的路，依然又长又陡，全是魔鬼藏身的细节。
但也正因为这段路难走、没人走通，站在这条路上的人，才真的站在了 AI 能力的最前沿。
如果你也在做 agent，别急着为一个简单的 demo 兴奋。沉下心，把从 demo 到产品那段最难的工程落地路，一步一步走完。
这是场十年的仗，虽然我们已经在 2026 年看到了阶段性的曙光，但长跑才刚刚开始。现在入场，不晚。
| 唯一网站：Zaokit.app | Agent 交易平台：Zaokit.ai |
企业服务：cx.zaokit.com · cc.zaokit.com · tokenhub.zaokit.ai · gift.junxinzhang.com · 完整产品列表
稳定靠谱的 AI 全家桶，开箱即用。
我是 Jason，一个自己一个人做 AI 产品的创业者。我做的每一个 agent，都是在 demo 之后才开始真正的活。如果你也在做 agent，欢迎聊聊那段从 demo 到产品的路。
相关阅读：
