Karpathy 关于使用 AI 智能体的 10 条实用建议#

1. 以宏观动作为单位思考，而非代码行 —— 在非冲突任务上并行运行多个智能体。将你的屏幕平铺多个智能体会话。为每个智能体分配不同的功能，审查它们的输出并进行整合。停止思考“这是一行代码”，开始思考“这是一个完整的新功能——委派出去”。

1. 当某件事失败时，首先假设是技能问题 —— 能力几乎肯定存在。如果一个智能体没有达到预期，问题更可能出在你的提示词、你的 AGENTS.md 文件、你的记忆工具设置或你的编排上——而不是模型本身。Karpathy 说，当它不工作时，“感觉都像是技能问题”。

1. 移除你自己这个瓶颈 —— 你不能总是在那里提示下一步。安排你的智能体工作流，使其完全自主。游戏的关键是杠杆效应：偶尔投入极少的 token，大量的事情就会代表你发生。通过不参与循环来最大化你的 token 吞吐量。

1. 建立智能体编排的肌肉记忆 —— 像任何新技能一样，管理智能体需要刻意练习。学会在显示器上平铺多个智能体实例，培养分配工作和审查输出的节奏，并识别何时应该并行化任务，何时应该顺序执行。Karpathy 将此描述为对新工作流“建立肌肉记忆”。

1. 将你的智能体指令（ProgramMDs）视为可调优的代码 —— 你的 Markdown 指令文件不是静态文档——它们是你可以迭代的代码。不同的指令会产生不同的行为。你可以运行变体，看看哪些指令能产生更好的结果，甚至可以进行元优化：让智能体根据有效的方法编写更好的指令。（这正是 aceagent.io 为你做的事情。）

1. 用智能体驱动的 API 胶水替代定制应用 —— 停止登录六个独立的用户界面。如果你的设备和工具暴露了 API，一个智能体就可以在所有设备之间进行编排，并完成任何单个应用都无法做到的事情。Karpathy 将他整个智能家居统一到了一个由 WhatsApp 驱动的助手中。思考 API 端点 + 智能体智能，而不是定制 UI。

1. 投资于持久、循环的智能体设置 —— 超越单次交互式会话。设置即使在你没有监视时也能持续循环并代表你行动的智能体——它们拥有自己的沙箱、更复杂的记忆系统以及跨会话恢复工作的能力。

1. 理解模型改进是参差不齐的，而非均匀的 —— 模型在可验证的任务上（通过测试、编写代码）表现出色，但在软性的、不可验证的方面（幽默、细微的意图）则很弱。不要假设一个领域的能力能转移到所有领域。了解盲点，并围绕它们设计你的智能体工作流。

1. 为智能体编写文档，而非人类 —— 不要为人类编写 HTML 指南，而是为智能体编写 Markdown。如果智能体理解你的代码库，它们会以无限的耐心用人类的语言向每个人解释它。你的工作是那些不可简化的洞见——那些模型自身无法生成的少量信息。其他一切都可以委派。

1. 将精力完全集中在智能体做不到的事情上 —— 智能体能做的事情，它们很快会做得比你好。在时间投入上要有策略。你的增值在于那些不可简化的创造性洞见、品味判断、智能体尚无法产生的新颖框架。其他一切？交给它们。