Floor/Ceiling/Judgment

Stephanie 第一條就把 jaggedness 立成 builder 的第一個過濾器：你想做的事到底在不在模型「被訓過、被驗過」的電路裡。

實務上這意味著兩件事：第一，demo 看起來神，不代表你的 use case 神——demo 通常踩中分布的 sweet spot；第二，愈早在自己領域跑可重複的小實驗，愈快畫出自己的 jagged map。

呼應 Karpathy 的解釋——電路內外的差別來自 verifiability 與 economics 兩條軸：你的領域有沒有可驗證的 reward、有沒有大到足以被 lab 納入訓練菜單。在電路內就是飛行，在外面就是拿開山刀。

整條 thread 的辨識度最高的一條。Stephanie 把兩個常被混在一起的概念劃出明確分界：

Vibe coding 抬「地板」——把進入門檻拉低，更多原本不寫程式的人也能蓋東西。它解決的是「能不能開始」。

Agentic engineering 推「天花板」——讓有經驗的工程師在用 agent 的同時，仍守住 security / reliability / maintainability / taste。它解決的是「能不能做到極致」。

她的判斷：天花板可能遠遠不只 10×。對 builder 的訊號是：別把產品定位放在地板區（會被洪水淹沒），把資源壓在「沒人能複製的天花板」上。

第二條與第五條合起來看最有力：當 agent 可以執行、搜尋、總結、寫 code、迭代之後，人的角色不是消失，而是往上爬一層——從「做這件事」轉到「理解什麼重要、什麼為真、要蓋什麼、為什麼蓋」。

第五條補上實際後果：AI 生成的 code 常常會跑（compile、pass test），但常常是臃腫、複製貼上、脆弱、抽象彆扭的。「working」不代表「good」。

所以稀缺技能仍然是判斷力——知道何時要簡化、何時該刪、何時抽象錯了、何時 working 還不夠。這也是為什麼天花板可以拉到 10× 之上：能把這四件事做好的工程師，配上 agent 的執行力，產出曲線陡升。

當工程師的執行力被 agent 放大之後，hiring 還停在 LeetCode-style 的 toy puzzle 是錯誤校準——你篩出來的能力不是你需要的能力。

Stephanie 提的新做法很直白：給候選人一個真的專案 → 讓他用工具 → 要他部署 → 然後用 agent 嘗試把它打破。這個流程同時測四件事：理解需求、整合工具、shipping discipline、與 agent 對抗的韌性。

新問題從「can you solve the problem」轉到 「can you ship a system that survives contact with reality」。後者是 agentic engineering 的核心試煉：在 agent 把「會動」變成 commodity 之後，「能不能撐住」變成新的差異點。

第六條呼應 Karpathy 的 software 3.0 觀點，但 Stephanie 把它翻成 builder 的提問校準：別老問「我哪個 workflow 會變快」，那是把 LLM 當引擎升級。要問「現在能蓋什麼之前根本不可能存在的東西？」那才是 paradigm shift 該問的問題。

第七條更激進：今天 model 是virtualized 跑在古典電腦上的——CPU host、NN guest。Karpathy 想像的未來是顛倒過來——NN 當 host、CPU 退到 coprocessor 處理 deterministic tool use。

Stephanie 收斂時加上一句很 Karpathy 的 disclaimer：「Strange now. Maybe obvious later :)」。這就是新典範該被討論的方式——現在聽起來奇怪，未來回頭看是顯然。