Karpathy：Agent十年成熟是事实，然而AI Agent的应用已在当下，工程师迎来新机遇！
原文标题：Andrej Karpathy：Agent 还需十年才能成熟
原文作者：图灵编辑部
冷月清谈：
然而，文章强调，在商业落地层面，Agent技术已是“进行时”，应用速度远超预期。量子位智库榜单显示，Agent产品正向系统化智能协作发展，并深度融入科研、投资等行业，解决实际痛点，提升效率。
文章指出，当前（2024-2025年）是Agent工程师的时代，核心在于将大模型嵌入具体场景、设计上下文、编排工具链及评估反馈。它强调“十年成熟”并非“现在不用学”，而是意味着早期入场的巨大机会。
Agent的本质是生产力革命，它能自动化业务流程、完成跨系统任务，对企业和创业者而言是效率提升的关键，对工程师则是一种新的架构思维。
最后，文章呼吁工程师们把握当前Agent工程的红利期，通过学习构建可评估、可扩展、可维护的智能体系统，从“构建未来的工具人”角度出发，成为AI的构建者而非仅仅使用者，并推荐了相关实战训练营。
怜星夜思：
2、文章说2024-2025年是Agent工程师的时代，重点是“嵌入场景、设计上下文、编排工具链调用与评估”。对于刚想入行或正在转型的工程师来说，你觉得这几个能力里，哪个是最容易被忽视但又最核心的？应该怎么培养？
3、随着Agent渗透进各个行业，它“自动化业务流程”、“替代实习生”等能力会带来什么社会影响？对于普通人来说，是会感到“被赋能”还是“被取代”的焦虑更多？你觉得怎么平衡这种发展？
原文内容
近日，OpenAI 创始成员、特斯拉前 AI 总监安德烈 · 卡帕西（Andrej Karpathy）在接受播客节目 “Dwarkesh Patel Show” 采访时畅谈了他对 AGI 时间线、智能体、大模型认知、强化学习等 AI 圈核心问题的看法。
他直言，当前 AI Agent 技术尚处早期，还存在“无法持续学习、非真正的多模态、不能自如操作电脑”等核心缺陷，要实现真正的实用化还需要十年左右。
但如果你细品，会发现卡帕西并不是在唱衰。他只是指出一个事实：当前的 Agent 还没有形成「闭环系统」——缺乏可靠的记忆机制、缺少持续的评估反馈，也没能真正实现长期自主决策。
没错，这在学术定义上完全正确。但换个角度看，在商业落地层面——Agent 已经不是“未来式”，而是“进行时”。
现实中，Agent 已经悄悄发力
就在过去几个月，Agent 的应用速度远超很多人想象：
量子位智库最新发布的 2025Q3 AI100 榜单
量子位智库最新发布的 2025Q3 AI100 榜单中的 Agent 产品，在智能体技术优化、应用落地等方面蓬勃发力，越来越像人类的 “AI 伙伴”。
智能体技术演进日趋成熟，从单点智能化工作向系统化智能协作发展，追求更加高效、强大、稳定的任务处理能力，如扩展上下文长度并融合多模态信息深度理解复杂场景任务，云端服务与本地操作系统深度集成，无缝接入用户工作流提供个性化服务。
应用落地呈现从通用工具向行业“智能伙伴”深化的鲜明趋势，嵌入千行百业的业务流程解决特定痛点。例如，科研领域 Agent 助力实现实验流程自动化，投资领域 Agent 为用户提供长周期个性化投资策略组合建议。
这些都不是演示 demo，也不是概念验证，它们实实在在地提升了效率，创造了价值。
所以说，Karpathy 说的没错 —— 要是按 “人类级智能体” 的标准，Agent 还差得远；但从 “能解决实际问题” 来看，它已经在改变各个行业了。
越是冷静期，越是工程师的红利期
如果把 AI 的浪潮分阶段：
-
2018 年：是模型算法研究者的时代；
-
2020～2022 年：是 Prompt 工程师和应用开发者的时代；
-
而 2024～2025 年，正在成为 Agent 工程师 的时代。
你不需要重新发明 GPT，也不需要自己训练模型。 你只要懂得如何：
-
把大模型嵌入具体场景；
-
设计合理的上下文结构；
-
编排工具链调用与评估反馈。
这，就是 Agent Engineering（智能体工程）。它的核心不是“再造模型”，而是让模型能做事。
“十年才能成熟” ≠ “现在不用学”
很多人听到到 Karpathy 的观点，就下意识退了一步：“既然还早，那我再观望一下吧。”
但投资圈有句老话：“风口未起时入场，才有超额回报。”
现在的 Agent 确实还在早期，但这意味着门槛低、机会多。几乎每一家创业公司、每个工程师团队，都能在内部试验 Agent。在这个阶段，只要你能“做出一个能跑的东西”，就已经是很稀缺的能力了。
那么问题来了：该从哪里开始学？
可问题是，很多人并不是不想学，而是不知道该从哪里下手——工具太多、框架太杂、教程太碎。
如果有一门课，能带你从 0 到 1，少踩坑、能实操，那就能迅速打开局面。
这正是「Agent 实战营」存在的意义。
由李博杰老师主讲的「Agent 实战营」，是目前国内少见的、聚焦工程落地的系统课程，超干货。
它不搞那些花哨的技巧，就是帮你从 0 到 1，真正做出能用的 Agent。
🧩 课程亮点
-
9 周时间，从基础到实战，手把手教你构建能跑的 Agent；
-
内容涵盖：上下文工程、RAG 架构、工具调用、评估体系、Agent 流水线设计；
-
你将亲手实现多个实战项目，从「知识问答 Agent」到「多工具决策 Agent」；
-
学完之后，能独立搭建企业级 Agent，直接应用到公司或创业项目中。
李博杰是智能体初创公司 PINE AI 的联合创始人、首席科学家，译有《图解大模型》《图解 DeepSeek 技术》，曾是华为计算机网络与协议实验室副首席专家，入选华为首批“天才少年”项目，博士毕业于中科大与微软亚洲研究院联合培养项目。在 SIGCOMM、SOSP、USENIX ATC、PLDI 等顶会都有论文成果。
更重要的是，他现在每天都在实实在在地做 Agent 系统。这门课教的不是空洞的理论，而是实战中积累的经验和避坑技巧。
为什么说这是“创业者和工程师”的必修课？
因为 Agent 的本质不是“学术突破”，而是生产力革命。
在企业中：
-
它能自动化业务流程；
-
能结合 API 完成跨系统任务；
-
能像实习生一样帮你跑流程、查数据、做初步判断。
对创业者来说，Agent 能让效率大大提升； 对工程师来说，Agent 是一种新的架构思维； 对整个行业来说，它是继 Web、App、GPT 之后的又一次重构浪潮。
学习 Agent，不是为了追风，而是为了“构建未来的工具人”
冷静想想，Karpathy 的那句“十年成熟”其实更像是提醒——“我们需要更好的系统工程能力。”
这正是「Agent 实战营」要培养的核心：让你学会搭建可评估、可扩展、可维护的智能体系统。
因为最终能留下来的，不是那些拼命蹭概念的人，而是那些真正能让模型做事的人。
最后想说
Agent 不是用来炫技的，而是默默提供帮助的 “隐形助手”。它不会一夜之间改变世界，但它正在改变每一行代码、每一个流程。
如果你希望未来五年，不只是会用 AI，还能构建 AI，现在，就是最好的入局时机。
现在就扫码加入 “Agent 实战营”，让你的下一个项目，不只是调用模型，而是让模型真正 “行动” 起来。
咳咳，开玩笑啦。但严肃点讲，我同意楼上说的，上下文设计太重要了。就好像你跟一个新人解释工作，你讲得条理清晰，新人上手就快；你讲得一团浆糊，他可能理解半天还做错。Agent就是那个新人，你得给它一个清晰明了、包含所有必要信息又不算冗余的“指导手册”。培养的话，除了多实践，我还推荐多观察人类同事是怎么沟通、怎么交接工作的——很多Agent设计理念，其实都能从日常办公中找到灵感。