Andrej Karpathy
前 OpenAI 研究員、Tesla AI 總監，提出多個與 LLM Wiki、AI 能力認知與 agent 工作流相關的觀點。
2026-07 voice ramble 方法
BusinessNext 轉述 Karpathy 在 X 分享的工作習慣：先用語音把背景、限制與未整理的想法倒給 LLM，再要求模型回述、指出不確定處，確認理解一致後才開始執行。這是他個人的工作方法與觀察，不是獨立 benchmark；可放在 context-engineering 與 ai-cognitive-offloading-and-agency 的脈絡中理解。
BusinessNext 2026-07-30 的延伸操作文把這個方法具體化為「先說明語音可能跳躍、完整講出背景，再要求模型回述並反問 2–3 題」；Mac 聽寫與 Windows Win + H 只是低摩擦入口。這仍是媒體整理與 Karpathy 個人方法，不是成功率證據；數字、名稱、模型補全與雲端錄音的機密風險要由使用者自行確認。
2026-08 Karpathy × Claude Opus 5：長時程空間生成
BusinessNext 轉述 Karpathy 在 X 的實驗：給 Claude Opus 5《魔戒》開頭、100 萬 token 預算與 three.js，模型約兩小時寫出 5,500 行程式碼，以 procedural generation 建立可在瀏覽器探索的 3D 世界。這是來源歸屬的案例，不是獨立 benchmark；可重用的觀察是，模型能大量產生程式與客製內容，但仍難以原生觀看影片或親自操作遊戲，只能用截圖作為昂貴的視覺回饋替代物。這直接連到 loop-engineering 的驗證迴圈與 harness-engineering-for-ai-coding 的 sensor 設計。