Karpathy 的四层阶梯：读懂 LLM 输出，从 40 年前的航空手册开始

10 月 2 日，Karpathy 沉寂一段时间后回归发帖（Superhuman 10 月 5 日的说法是「Karpathy's Back」）。主题只有一个：我们会花越来越多的时间去理解语言模型的输出。

这句话值得停一下。过去两年所有优化都朝着生成端去——更快的模型、更长的上下文、更低的 token 价格。Karpathy 把镜头转了个方向：模型写东西的速度已经远超人类读东西的速度，瓶颈挪到了理解端。他给了四层方案，一层比一层重：受控语言、图、交互网页、定制讲解视频。

第一层：先让模型删掉自己的自由度

第一层听起来最冷门。Karpathy 说对他个人很好用的一个技巧，是让 LLM 用 ASD-STE100 解释东西。

这是一个真实存在的规范，全称 ASD-STE100 Simplified Technical English，航空维修手册的写作标准。1986 年首发，现在到 Issue 9，规范全文 434 页。核心是两本账：一本约 900 个批准词的词典，每个词只有一个词性、一个意思；一本写作规则，短句、主动语态、每段一条指令。修波音 747 的技师来自世界各地，英语水平参差，手册里一个歧义就是事故——所以这个行业四十年来坚持把英语砍到只剩不会歧义的部分。

为什么它对 LLM 输出有效？因为模型生成「废话」的机制和人一样：自然语言给了太多自由度，「可能」「大概」「值得注意的是」这些缓冲词本质上是把不确定性摊薄到句子里。受控语言把自由度直接没收。剩下的句子没法绕，要么是信息，要么暴露为空白。

第二层和第三层：从线性到平面，再到可动手

第二层是让模型画图。转述 gu-log 的说法，原推的比喻是：图是一个平面，你的眼睛决定先看哪里。文字是线性的，读的人被作者的顺序拖着走；图把结构摊开，读者自己选路径。

第三层是 HTML 交互页——而且 Karpathy 特意限定「一个交互元素」。多一个维度：读者可以点击、拖拽、转动参数，自己跑实验。

这一层联动着五个月前的一场讨论。Anthropic Claude Code 团队的工程师 Thariq Shihipar 当时说了一句传播很广的话：HTML 是新 Markdown。那句话说的是输出、不是存储——模型写 HTML、CSS、JavaScript 的能力，已经好过你设计的任何轻量标记格式。Karpathy 当时公开背书过。这次的四层阶梯可以看成他那句话的展开版：Markdown 是给人读的静态格式，HTML 是给读者动手的活格式。中间隔着的不是格式之争，是「读」和「试」的差别。

第四层：他最看好的，是定制讲解视频

第四层，Karpathy 最看好的：3Blue1Brown 风格的定制讲解视频，按需生成。转述 Martin Fowler 站点收录的片段，他的原话是对「highly bespoke（高度定制）的讲解内容即将到来的时代」非常感兴趣。

这里有一个成本账。3Blue1Brown 的每个视频是 Grant Sanderson 用 Manim 一帧一帧写出来的，一个团队一周级别的产量。而「TTS 源 + 两分钟讲解」的配方，生成一次的成本是一次 agent 会话。讲解视频从作品变成耗材。浏览量数据是素材方 10 月 3 日自采的口径：一天四百万，我找不到独立信源交叉，按单源标注——但方向上，这条推的传播热度有多路转述可以佐证。

海关裁决表

社区已经接招

正方动作快。GitHub 上已经有 asd-ste100-skill，把写作规则做成可直接安装的 skill 文件；awesome-claude-code 收录的 andrej-karpathy-skills，一个 CLAUDE.md 文件，专门改善 Claude Code 的输出行为。受控语言从航空业的手册，变成了 agent 的系统指令。

反方也有，而且有分量。HN 上的冷水是这样泼的：模型输出的措辞本来就是人类写作的平均值，你换格式，治不了内容空洞——格式管得了废话的形态，管不了废话本身。这个批评成立。受控语言能删掉「值得注意的是」，删不掉没有值得注意的东西。四层阶梯是理解的加速器，不是思考的替代品。

接主线

用本号的账本看，这四层其实是一个东西：理解的验证带宽在换载体。第一层删词汇自由度，让你读得快；第二层换空间自由度，让你扫得快；第三层给交互自由度——这是四层里唯一让读者自己动手跑验证的一层，Karpathy 把它排在视频前面，顺序是对的；第四层加时间轴自由度，讲解变耗材。断言-执行分离在这里又一次显形：纯文字输出是断言，交互页面是让读者亲手执行断言。给 LLM 输出做格式选型时，能上交互就不要停在图，能停在图就不要靠长文。

可打脸预测：十二个月内，主流 agent 的默认报告格式会从 Markdown 挪到带一个交互元素的 HTML——如果这件事没发生，说明理解端瓶颈的判断错了。

结尾停在第一层的一个细节上。受控语言删掉的不只是废话。模型的「可能」「大概」很多时候是在盖住自己不确定的地方，缓冲词一没收，不确定的地方就从句子里消失了——变成沉默。读输出的人要习惯这种沉默：模型没说的，可能比它说了的更值得追问。

信源：Karpathy 原推（x.com/karpathy/status/2105819303471976479，转述经 mindpattern / gu-log / explainx 多源交叉）、asd-ste100.org（Issue 9 规范）、Thariq 推文经 MDflow/mastra 二手转述、awesome-claude-code 与 GitHub asd-ste100-skill、HN 相关讨论、Superhuman（10-05）。浏览量为素材方单源自采。发布于 2026-10-06。