一句话看懂：开发者 @banbudev 读了 Anatomy 源码后认为，它把 Andrej Karpathy 关于“LLM 接手具体活、人的工作向上移到监督与理解”的判断做成了可运行的样本：一句话说出概念，Claude 生成一台能拖、能按的交互机器，而真正的看点是作者用 168 行 SKILL.md 划清了人与模型的边界。
事件核心：发生了什么
2026 年 10 月 11 日，开发者 @banbudev 发布长帖，称 Anatomy 与 Andrej Karpathy 前几天的观点是同一件事的两面。Karpathy 的判断是：LLM 会接手越来越多具体工作，人的位置向上移动到监督和理解；他建议不要只让模型输出文字，而是让它画图、做网页、做讲解视频，因为智能和代码越来越便宜，可以大量生成“又大又定制、用完就扔”的理解工具。
Anatomy 把这条思路推到了极致：输入一句话描述一个概念，Claude 生成一台可交互的机器。LRU 缓存被做成书架，消息队列被做成弹珠轨道。@banbudev 更在意的是作者与 AI 的协作方式：SKILL.md 只有 168 行，却规定了人定原则、先想后做、把品位写成规则、用脚本验收、大决定留给人五条分工。相关技能页面被 @dingyi 转评为“史上最强 skills”。
为什么重要
目前公开信息显示，这一案例的价值不在生成质量，而在流程设计。当图像生成、网页生成和代码生成的成本持续下降，瓶颈从“能不能做出来”转向“怎么判断做得好不好”。Anatomy 给出的答案是：把审美和原则写成模型可执行的规则，把验收写成可清零的脚本，人负责判断什么算对、什么算好。这与当前 AI 应用从提示词工程转向工作流与评审机制的趋势一致，也提示闭源大模型之外的另一种竞争维度——不是模型多强，而是围绕模型的监督框架是否清晰。
对用户/开发者/创作者的影响
对开发者，SKILL.md 这类文件可能成为新的接口层：用可检查的规则代替形容词，用审计脚本代替人工逐行检查。对创作者，理解型内容的生产方式会变，先让模型生成可交互草稿，再放大四倍检查细节，可能比反复写文字更高效。对普通用户，短期内更现实的收益是学习工具变多，而不是工作被替代；但需要自己判断生成结果是否可靠，因为模型“很会画、不太会看”的问题仍存在。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是这类技能是否会被更通用的 Agent 平台吸收，成为标准工作流的一部分；二是 168 行规则能否复用到代码审查、数据可视化等非教学场景；三是当生成成本继续下降，人和模型的分工边界是否会再次上移。这些判断目前依赖社区帖文，尚无官方产品公告。
来源：@banbudev
