卡帕西给AI编程起了新名字：这不是"氛围感"

「代理式工程」——当硅谷最懂AI的人开始认真命名，说明这个领域终于从玩票走向专业。

2026年2月，Andrej Karpathy（前特斯拉AI总监、OpenAI创始成员）做了一件看似很小的事：他提议淘汰"vibe coding"这个说法，换成更精确的术语。三个月后，这个新词的月搜索量从几百飙到近3000。命名能火，是因为背后真的长出了一门新学科。

从"氛围感"到"工程化"：两个词的分水岭

Karpathy的原话值得逐字读：

「之所以叫'代理式'，是因为新的默认模式是：你99%的时间不是直接写代码，而是在编排代理（agents）执行任务，并充当监督者。之所以叫'工程'，是为了强调这里面有艺术、有科学、有专业门槛。」

两句话拆出两个质变。

第一，工作模式变了。开发者从"亲手写"变成"指挥写+审结果"。第二，这种指挥不是换个界面那么简单，它是独立的学科——有自己的技能树、失败模式、质量标准。

"Vibe coding"（氛围编程）是早起的野路子：给个模糊需求，看AI能吐出什么。适合原型、演示、不用上线的玩具。Agentic engineering（代理式工程）是正经干活：产出必须经得住真实世界的检验。

一个领域开始区分"手艺"和"凑合"，通常意味着它成熟到能立标准了。

productivity数字打架背后：两种完全不同的场景

你的团队半年前上了AI编程工具，现在更快了吗？如果答案模糊，你不是一个人。

AI辅助开发的效率宣称跨度极大：早期Copilot研究报55%-88%提升，2025年中METR的研究却发现，资深开源开发者在自家代码库上用AI工具反而慢了约20%——这项研究跑了16个开发者，代码库平均2.2万GitHub星标，不是玩具项目。

斯坦福Yegor Denisov-Blanch的研究把中位数生产力提升定在10%-15%，远低于早期热炒的55%-88%。

这些数字不矛盾，是场景完全不同。

高数字来自陌生任务：生成样板代码、写文档、用不太熟的语言开发。低数字甚至负数来自资深开发者处理熟悉的复杂代码库——他们得花额外精力验证AI的输出，反而拖慢节奏。

这个区分直接决定你的AI投资怎么投。

代理式工程的三层能力栈

Karpathy的命名暗示了一种新的能力模型。不是"会不会用AI"，而是三层分工：

最底层是任务分解——把复杂需求拆成AI代理能执行的子任务。这层做不好，后面全崩。

中间层是质量守门——代码审查从"看同事写的"变成"审AI生成的"，标准一样，但错误模式完全不同。AI会自信地生成看起来对、实际错的代码，人的警觉性要重新校准。

最顶层是系统架构——多个代理怎么协作、状态怎么同步、失败怎么回滚。这是传统软件工程里没有的新问题。

三层都需要重新学习。不是工具上手快，就叫会用了。

为什么现在是命名时刻

技术史有个规律：概念获得独立命名，往往标志着它从"附庸"变成"本体"。

云计算早期叫"网格计算""效用计算"，直到"云"这个词定下来，行业才真正开始建标准、分角色、定价格。DevOps从"敏捷基础设施"到正式命名，也经历了类似过程。

Karpathy的命名选择在2026年2月，时机微妙。AI编程工具已经渗透进主流开发流程，但组织层面的混乱很明显：同一套工具，有人用出3倍效率，有人用出负收益。差距不在工具，在使用者的认知框架。

给混乱以命名，是建立框架的第一步。

对技术管理者的实际影响

如果你负责技术团队的AI投入，这个命名变化意味着几件事：

第一，停止用"AI采用率"这种虚荣指标。多少人装了Copilot不重要，多少人能稳定产出可维护的代码才重要。

第二，培训预算要重新分配。不是教"怎么写提示词"，而是教"怎么设计代理工作流""怎么建立AI生成代码的审查清单"。

第三，招聘标准要变。代理式工程能力会成为独立评估维度——不是替代算法或系统设计，而是并列的新技能树。

第四，对"效率提升"的承诺要分层看。对外包型任务（文档、测试、样板代码），AI回报明确。对核心系统迭代，预期要保守，甚至先假设短期降速。

一个判断：命名之后会发生什么

代理式工程这个术语的流行，标志着AI编程从"工具尝鲜"进入"能力基建"阶段。

接下来12-18个月，我们会看到：专门针对代理式工程的培训课程和认证出现；招聘JD里明确拆分"传统开发"和"代理编排"能力；代码审查工具和CI/CD流程为AI生成代码做专门适配；以及最重要的——团队效率差距进一步拉大，会用的和不会用的不在一个维度竞争。

卡帕西的贡献不是发明了什么新技术，而是给正在发生的变化一个清晰的名字。在技术领域，命名即权力，命名即方向。当你的团队还在讨论"要不要用AI编程"时，领先者已经在问"我们的代理工作流设计得够不够健壮"——这是两个时代的差距。

现在该做的： audit你团队里AI工具的实际使用模式，区分哪些是"vibe coding"级别的玩票，哪些已经沉淀为可复用的代理工作流。把后者识别出来，放大，标准化。命名已经给了，剩下的看你的执行。