Andrej Karpathy（安德烈·卡帕西）是当代最有影响力的 AI 研究者与工程师之一。。。

而他最近开始推荐。。。唠叨式 vibecoding。

他是斯洛伐克裔加拿大计算机科学家，斯坦福大学博士（导师为 Fei-Fei Li）。2015 年作为创始成员之一加入 OpenAI，参与早期深度学习研究。2017–2022 年担任 Tesla AI 高级总监（Director of AI），主导 Autopilot 视觉与神经网络系统的开发。2023 年离开 Tesla，创立教育平台 Eureka Labs，并持续在 AI 领域发声。以清晰、实用、接地气的技术分享闻名，提出了「vibe coding」（氛围编程）等流行概念。目前在 X 上有超过 380 万粉丝，经常分享自己真实使用 LLM 的工作流。

他既是顶尖研究者，也是重度 LLM 实践者，因此他的使用建议往往具有很高参考价值。而他的建议原文翻译如下：

"我发现一个对使用 LLM 很有用的模式：来一场舒服的长篇碎碎念会话。

有时候 LLM 需要更多信息才能理解你真正想做什么，但你又懒得打字。

这种时候我会往后一靠，切换到语音模式（/voice），然后就这样胡乱说上大概 10 分钟——完全乱七八糟、什么都可以说、纯意识流。

有时我会在开头先声明一句，比如「我现在用语音识别了，抱歉可能有错别字……」。有时我还会把它变成几轮小访谈。

但我发现，LLM 对重建这种又长又乱的碎碎念特别擅长，它们回馈给你的那个版本，往往比你一开始脑子里的乱麻清晰得多。

结果就是，你和模型的「心智同步」变得更好，后面需要纠正的地方也少很多。"

而这个方式的原理其实也很好理解：

分析Karpathy 推荐的这个「10 分钟语音碎碎念」方法，核心逻辑其实很简单却很有效：解决「输入带宽」问题

打字很慢，而且人在打字时会下意识地自我审查、删减细节。语音则允许你把模糊的、半成形的、甚至互相矛盾的想法全部倒出来。LLM 需要的「bits」（信息量）往往比人们以为的多。

利用 LLM 的强项，当前大模型在「从混乱中提炼结构」这件事上已经非常强。你提供的是原始、嘈杂的思考过程，模型负责清洗、归纳、重构。这比你自己绞尽脑汁写一个完美 prompt 更高效。

传统精细 prompt 需要你先把想法想清楚再表达；这个方法反过来——先把混乱的想法扔出去，让模型帮你整理。后续对话的纠错成本会显著下降。

这个方法可以配合 Cursor、Claude、ChatGPT 等支持语音输入的工具。

「人负责提供原始信息密度，模型负责结构化」这个分工发挥到极致。Karpathy 作为重度实践者，用亲身经验验证了「懒得打字就直接说 10 分钟」反而经常比精心写 prompt 更管用。

网页链接