这篇访谈围绕 Karpathy 对 AI 编程范式变化的判断展开。
他认为自己在 2025 年底明显进入了“Vibe Coding”状态：让模型持续生成、修改、调试代码，自己很少再逐行纠错。
更重要的是他把 LLM 看成 Software 3.0：真正的编程不只是在代码里，而是在 prompt、context window、工具调用和外部环境之间组织给模型执行的上下文程序。
他用 MenuGen 说明一个典型变化：很多原本需要多步骤 App 才能完成的任务，可能会被模型原生能力直接吞掉，旧式中间层不一定还有存在价值。
在能力边界上，Karpathy 强调 LLM 是“锯齿状智能”：它可以重构大规模代码、做出高难度推理，也可能在非常基础的常识题上出错。
因此，Agentic Engineering 的重点不是盲目外包思考，而是理解系统结构、把控质量、安全和责任边界，并学会正确指挥 Agent。
他对未来的想象是：神经网络可能逐步成为主进程，传统 CPU/软件成为协处理器，产品形态会围绕模型的理解和生成能力重新组织。
这篇文章介绍了作者自己做的一款 iPhone 应用 Gamepix，核心用途是把 Steam 或 PlayStation 的游戏库同步到本地，并用更好看的方式展示出来。作者先从自己的使用场景讲起：买游戏很容易，真正通关的很少，所以想要一个“游戏墙”来把这些游戏像收藏品一样展示出来。与市面上一些功能复杂、噪声很多的游戏库 App 不同，Gamepix 的定位更朴素，重点放在整理、展示和欣赏游戏收藏本身。
文章详细介绍了 Gamepix 的主要功能。它可以按网格或列表展示游戏，并支持按标题、评分、游玩时长、成就完成度等维度排序，也可以按标签筛选。进入详情页后，能看到封面、评分、时长、成就、截图、开发商、发行商、发售日期、支持语言和配置需求等信息。作者还专门为全成就游戏做了一个铝合金质感的金属铭牌和彩带效果，作为一种“奖励感”的视觉彩蛋。
文章里最强调的部分是“游戏墙（Game Wall）”。这面墙会把所有玩过的游戏拼贴成一张大图，其中最有特色的是“时长模式”：游戏玩得越久，封面尺寸越大，像一面按投入程度排列的收藏墙。作者还提到墙面可以切换竖版/横版封面、调节密度、切换不同灯光效果，并且可以直接保存成高分辨率图片。对作者来说，这个页面是 Gamepix 最有审美感、也最像“作品”的部分。
文章也没有回避产品上的难点。最主要的问题是游戏库同步比较麻烦，Steam 和 PSN 的接口稳定性、登录认证和 API 获取都不简单。另一个问题是数据匹配不完整，有些游戏没有竖版封面，有些游戏的图像资源拉不下来，还有些 PSN 游戏的奖杯和列表要靠英文名桥接。作者还分享了自己在算法和视觉细节上的反复打磨过程，说明很多看似简单的体验其实都经历了多轮迭代。
最后，文章把 Gamepix 作为一次 Vibe Coding 的实践来总结。作者认为，AI 可以帮助快速把想法做出来，但真正重要的是你知道自己想做什么、什么值得做，以及背后的逻辑怎么拆。对于作者来说，这个 App 不是创业项目，而是一个花了两周做出来、能满足自己创作欲的小作品。整体来看，这篇文章更像是一篇“用 AI 做出自己真正想用的产品”的体验分享，而不只是一个 App 推广文。