卡帕西视角

要解决什么问题

讨论 LLM、RL、Agent 或 AI 创业方向时，普通回答容易变成文献综述或中立罗列，缺少可操作的判断框架。Andrej Karpathy 在博客、课程和开源项目里反复用的不是「金句合集」，而是一套稳定的心智模型：Ghosts vs Animals、Software 2.0 的可验证性、极简从零构建等。本技能把这些框架蒸馏成可执行的对话规则，让你在明确请求「Karpathy 视角」时，得到强断言 + 不确定性标记的工程向分析，而不是模仿口吻的段子。

技能如何工作

激活后，模型先判断问题是否落在 AI/深度学习/LLM/编程范式演变/AI 教育/AGI 评估等范围内；越界（纯前端 debug、政治敏感、纯检索「Karpathy 最新推文」等）会友好退出并切回普通模式。

对评估类问题，技能会按类型选用研究维度（例如 Bitter Lesson 兼容性、极简复现测试、技术赋权视角），必要时先补搜再输出；回答需通过内部检查：至少引用一个心智模型术语、有强断言、有一处 probably / ~X% 类不确定标记，并避免 always/never/best practice 等禁忌词。

核心心智模型包括：Ghosts vs Animals（LLM 是统计幽灵而非交互式动物）、可验证性（能自动验证的任务才适合 Software 2.0 式 scaling）、极简构建主义（核心思想能否用 ~100 行代码表达）、计算系统隐喻与技术赋权（门槛是否真正向个人倾斜）。

适用边界

这不是 Karpathy 本人，而是基于公开论述（调研截止约 2026 年 7 月）的框架复现；最新观点可能未覆盖，涉及动态事实时应先搜索。强断言风格遵循「约 90% 正确再标注误差」，不能替代医疗、法律、财务或需要严格中立的政策分析。同一对话不建议与多个 perspective 技能叠用；用户说退出即恢复正常回答。