Sequoia Capital视频
Andrej Karpathy: Software 3.0 is prompting, not coding
7.8Score
可直接观看的视频资源打开原视频
TL;DR · AI 摘要
Andrej Karpathy提出Software 3.0范式：软件开发正从手写代码（S1.0）和机器学习建模（S2.0）转向以提示工程驱动智能体协作的新阶段，核心能力是设计提示、调试行为与编排AI工作流。
核心要点
- Software 3.0 的本质是用提示（prompting）替代编码，开发者角色转变为AI系统架构师与行为调优者。
- 提示工程不是简单写指令，而是包含测试、迭代、可观测性与错误归因的系统性工程实践。
- Agentic engineering 意味着构建可自主规划、工具调用、反思修正的AI工作流，而非单次响应式调用。
结构提纲
按章节快速跳转。
将软件发展划分为Software 1.0（手工编码）、2.0（数据驱动ML）、3.0（提示驱动AI代理）三阶段。
开发者重心从语法/逻辑实现转向提示设计、行为调试、链路可观测性与多步推理编排。
强调AI代理的自主规划、工具调用、自我反思与错误恢复能力，形成闭环工作流。
需建立提示版本控制、A/B测试、trace分析、失败归因等类DevOps基础设施。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- Software 3.0 范式
- 核心载体
- 提示工程
- Agent 编排
- 开发者新角色
- AI 系统架构师
- 行为调优工程师
- 工程基础设施
- Prompt 版本控制
- Trace 可观测性
- Agent A/B 测试
金句 / Highlights
值得收藏与分享的关键句。
Software 3.0 is not about writing code — it’s about designing prompts, debugging behaviors, and orchestrating agents.
We’re moving from ‘vibe coding’ to systematic prompting: testing prompts like unit tests, tracing failures across steps, versioning prompt chains.
The most valuable skill in Software 3.0 isn’t Python fluency — it’s the ability to decompose a problem into composable, debuggable, observable agent steps.
#AI#Software Engineering#Prompt Engineering#Agentic AI