@AnatoliKopadze：Karpathy 刚刚表示，不使用 LLM 的人已经输在了起跑线上。他花了 4 分钟解释为什么聪明人仍会落后……
摘要
文章探讨了 Andrej Karpathy 的观点，即在人工智能领域，真正的优势在于有效利用而非仅仅拥有访问权限，凸显了技能差距：大多数用户未能将 LLM 的应用超越基础任务。
Karpathy 刚刚表示，不使用 LLM 的人已经输在了起跑线上。他花了 4 分钟解释为什么聪明人仍会落后。这不仅包括拒绝 AI 的人，还包括那些认为注册了 Claude 就等于在使用它的人。目前大多数人的使用场景如下：
> 让 Claude 重写一封邮件
> 让 Claude 总结某段内容
> 关掉标签页
那并不是在驾驭 Claude。那只是每月花 20 美元买了一个拼写检查工具。Karpathy 的观点并非强调 LLM 很强大。每个人都清楚这一点。他的观点是，知道如何使用它们才是真正的技能差距，而大多数人远远未能弥补这一差距。Claude 可以是你的研究分析师、写作编辑、薪资谈判教练、财务审查员，甚至是 30 天课程大纲制定者。所有这些都包含在你每月 20 美元的订阅服务中。就在此刻。就在今天。
大多数人看到这条推文后会表示赞同，然后回去继续让 Claude 修改句子。下方的文章涵盖了涵盖你生活各个方面的 20 个提示词。这不是什么生产力小技巧，而是真正能改变你工作方式和思维方式的实际用例。瓶颈不在于模型本身，而在于你知道该问什么。
相似文章
@0xMortyx：Andrej Karpathy 在一小时内揭示他实际如何使用 AI：“我只是用简单的话告诉机器我想要什么”……
Andrej Karpathy 分享了他与 AI 合作的直截了当的方法，强调用平实的语言而非复杂的提示工程，并预测到 2026 年，轻视 LLM 的工程师将输给能有效配置 LLM 的初级工程师。
Andrej Karpathy 解读能力鸿沟
Andrej Karpathy 进一步阐述了他之前关于人们对 LLM 能力认知差距不断扩大的推文，描述了一个从约 60 亿几乎未接触过 LLM 的人，到约 5000 人可访问前沿内部系统的漏斗结构，其驱动力包括野心、能力的参差分布以及访问层级。
@DeRonin_: 这个长达两小时的安德烈·卡帕西讲座，关于如何使用LLM，教给你的东西比大多数AI推特账号能弄明白的要多得多……不……
安德烈·卡帕西的讲座揭示了一种“LLM Wiki”模式，能将过往内容转化为一个自我更新的知识库，帮助创作者发现自身写作中的模式。
@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……
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。
@Mnilax：Karpathy 向每一位仍将大语言模型视为玩具的高级工程师投掷了“手榴弹”。他的原话是：专家现在能做的最糟糕的事情就是拒绝使用它们。
本文探讨了 Andrej Karpathy 关于如何在承认大语言模型认知缺陷的同时有效利用它们的建议，重点介绍了一个案例研究，其中通过自定义配置（CLAUDE.md）显著降低了错误率。