安德烈 · 卡帕西（Andrej Karpathy）把话说得很直：在推高智能体作业之前，如果没有掌握模型之上的工程化底座，代价是数年进步。这位前特斯拉 AI 负责人、前 OpenAI 高级员工给出的判断，指向的不是智能体本身，而是它脚下那层东西。

他举的例子是 OpenAI 在2016 年的最大失误——在工程化底座尚未打牢时就往前推，结果付出了五年的时间成本。这个说法把讨论的重心从 " 智能体能做什么 " 挪到了 " 支撑智能体的工程体系是否到位 "。

围绕这条路径，可以拆出一条清晰的演进链条：

提示词

智能体

图谱

底座

可落地智能体

链条的落点在最后一环。底座在这条路径里的价值，被描述为远超大多数标价1000 美元的智能体工程课程。换句话说，先补课的地方不在智能体那一层。

这条推文还建议今天就收藏并观看卡帕西的一段6 分钟视频，同时去读另一份内容：关于10 部Opus 5.5 电影中100 多处缺陷，以及其底座的质量控制。缺陷数量与底座质量被放在一起讨论，指向的仍是同一个问题——上层表现取决于下层工程。

对正在部署智能体的团队来说，这个提醒的顺序很明确：先把模型之上的工程化底座做扎实，再谈把智能体作业推高。