@omarsar0：这个帖子居然有 5 万点赞？Karpthy 分享的大部分内容，我们已经做了一年多了。不出所料，很多评论也提到了这一点……

X AI KOLs Timeline 新闻
human-ai-interaction agent-interface llm artifacts universal-interface workflow

摘要

作者（@omarsar0）对 Andrej Karpathy 关于理解 LLM 输出的爆火帖子做出回应，指出行业内早已在实践类似思路，并提出了一种基于灵活的 Notion 式 artifact 页面的通用人机协作界面，以实现无缝协作。

这个帖子居然有 5 万点赞！？ Karpthy 分享的大部分内容，我们已经做了一年多了。 不出所料，正如许多评论所指出的那样。 但我仍然认为这引发了一个有趣的讨论。 是否存在一种通用的界面/语言，可以让 agent 和人类之间的沟通更加无缝？ 我相信是有的。我认为这正是 @karpathy 希望我们思考的问题。 目前，各种想法都分散各处。 可能你们中的一些人知道，我很早就开始探索 LLM Wiki、Artifacts、AI 生成的可视化讲解、动态交互等内容。 过去几个月里，我一直在这个方向上做实验，尝试打造一种新的通用界面，以实现无缝的人机协作。所以我有很多可以分享的东西，但目前还为时过早，坦率地说我还没有找到完美的解决方案。 简而言之，我目前的最佳配置（见附上的简单截图）是将我的高层 agent 与高度灵活的 Notion 式页面绑定在一起，这些页面支持嵌入 artifacts、文本、视频、可视化讲解，以及 LLM 能生成的几乎所有东西。如果暂时不支持，我就让它现场构建出来。它构建的功能有时候真的令人疯狂，但这是一个共同进化的界面，同时满足了我的 agent 和我自己的需求。 这个界面支持代码审查、记笔记、写作、研究、原型设计、Mockup 设计等等。 事实上，我如今已经把我的 agent 接入了智能输出这些 artifacts（暂且找不到更好的词）的流程，让它根据任务/指令来生成内容，而不是默认的文本回复——坦率地说，那些默认回复有时候信息量太大，读起来也很吃力。换句话说，随着我不断构建这个“通用界面”，与 agent 聊天的感觉越来越少，取而代之的是我直接通过 artifacts（通过评论和建议）与它协作。它让我推进得更快。我能更快地消化和审阅内容。我的组织性也更好了。感觉这是一种 agent 和我都能流利使用的语言，几乎没有摩擦。 听着，这一切都只是个人体验。我不认为每个人都会使用这样的界面。但看到 Artifacts 获得广泛采用，而且现在 Dots 也有了 Spaces，看起来有点像我几个月前在这里构建的东西，确实很有趣。 更多内容稍后分享。
查看原文
查看缓存全文

缓存时间: 2026/10/06 07:43

50K likes，这也太惊人了吧！？

Karpthy 分享的大部分内容，其实我们一年多以前就已经在做了。

毫无意外，很多回复都提到了这一点。

但我仍然认为，这引发了一个值得讨论的问题。

是否存在一种通用界面/语言，能让智能体与人类之间的沟通更加顺畅？

我认为是有的。而我觉得，这正是 @karpathy 建议我们去思考的方向。

目前，这些想法都还比较零散。

有些人可能知道，我很早就开始在做 LLM Wikis、Artifacts、AI 生成的可视化讲解、动态交互式内容等。

过去几个月里，我一直在试验一种全新的通用界面，用于人与智能体之间的无缝协作。所以我有很多东西想分享，但时机还不成熟，坦白说我还没有找到完美的方案。

简而言之，我目前最优的方案（附一张简单截图）是，将我的高层智能体连接到高度灵活的 Notion 式页面上，这些页面支持嵌入 Artifacts、文本、视频、可视化讲解，以及 LLM 能生成的几乎所有内容。如果目前还不支持，我就让它现场构建出来。它构建出来的功能有时简直让人疯狂，但这确实是一个协同演化的界面，既满足了智能体的需求，也满足了我的需求。

这个界面支持代码评审、笔记记录、写作、研究、原型设计、界面草稿设计等等。

事实上，我现在已经将智能体接入，让它们根据任务/指令智能地输出这些 “Artifacts”（暂且用这个词），而不是默认的文字回复——说实话，文字回复有时候既让人头大又难以阅读。换句话说，随着我不断构建这个“通用界面“，与智能体交流的感觉越来越不像在“聊天“；我是在直接通过这些 Artifacts（通过评论和建议）与它协作。这让我能更快地推进工作，也能更快地消化和审查内容，我的条理也变得更好了。这感觉就像是一种智能体和我都能够流利使用的语言，所以几乎没有摩擦。

说实话，这只是我个人的体验。我不认为所有人都会使用这样的界面。但看到 Artifacts 获得广泛采用，还是挺有意思的。现在，Dots 也有了 Spaces 功能，看起来和我几个月前构建的那个东西有些相似。

更多内容，敬请期待。

Andrej Karpathy (@karpathy): 我们将花更多时间去理解语言模型的输出。下面分享一些想法、技巧和窍门：

写作方面。我亲身实践过并且有效的一个方法：让你的 LLM 用 ASD-STE100 的规范来解释某个内容。ASD-STE100 是一种受控语言规范，最初是为……

相似文章

@karpathy：把四月份的这条推文翻出来，因为大家对 LLM 能力的认知差距正在*扩大*。现在已经……

X AI KOLs

Andrej Karpathy 认为，人们对 LLM 能力的共同认知差距正在扩大，形成一个急剧收窄的漏斗：约 60 亿人几乎没用过 LLM，10 亿至 20 亿人是偶尔使用免费版的用户，看到的是“傻乎乎的聊天机器人”；约 2000 万数学和编程领域的专业人士体验到智能体通过提示词完成原本需要数月的工作；而内部约 5000 人则看到前沿系统运行着成群协作的智能体。他将这一漏斗现象归因于所尝试解决问题的雄心程度、能力的不均衡性（在数学和编程等可验证领域表现突出），以及分层的访问权限。