Karpathy 最近发了条推文，建议“花更多时间理解语言模型的输出”。他给了几个具体做法：让 LLM 用 ASD-STE100 规范写作，画图，生成 HTML 页面，甚至生成 3b1b 风格的解释视频。这条推文拿了 50K 赞。

但有人觉得这些并不新鲜。Elvis（@omarsar0）回复说，Karpathy 分享的大部分内容，他已经做了一年多。真正值得讨论的是：人和 agent 之间，有没有一种更通用的接口？


Karpathy 的第一个技巧看着冷门：ASD-STE100，一种为飞机维修手册设计的受控英语。规则苛刻到“一个词只能有一个意思”，比如只能用 start，不能用 begin。有人专门验证过——YouTuber Ege Vusal Chelebi 把整个规范做成了 agent skill 和 linter，跑了 6 类真实写作任务。结果：默认输出每百词 4.36 个违规；流行的那种“禁说 delve、禁 em dash”清单只降到 4.21；Orwell 的六原则降到 2.48；ASD-STE100 直接降到 1.12。堵词没用，给模型一套语法约束才有用。[视频](https://youtu.be/uJblcC4lKYw)

Elvis 的实验更激进。他一直在构建一个“通用接口”：把 agent 的输出变成类似 Notion 的页面，页面里能嵌入文本、视频、交互式图表、可视化解释器——几乎所有 LLM 能生成的东西。如果页面不支持某种格式，就让 agent 当场写一个。这个界面支持代码审查、笔记、写作、研究、原型设计。他说，感觉像在和一个懂设计的同事直接通过工件协作，而不是对着聊天框读小作文。


他甚至在测试 GPT-6 Astra 时，用它生成了这样一份交互式 Transformer 论文解读：

这条回复下面，很多人也在分享类似的尝试。有人让 agent 把发布预测画成图，说“它写了一段我读不下去的文字，我让它画成图表，立刻清楚了”。有人让 LLM 生成了 3b1b 风格的随机微积分解释视频。还有人干脆在 VR 世界里和 agent 协作。


Karpathy 自己在回复里补了一句：“现在 99% 的人接触 AI 都不到一年，这让 AI 恐龙们很困惑。” 这句话可能解释了 50K 赞的来源——对大多数人这些是新玩法，但对长期实践者，这只是日常。

Elvis 说这只是个人实验，还没找到完美方案。但他注意到，Anthropic 的 Artifacts 已经在被广泛采用，dot 的 Spaces 也慢慢长成了他几个月前搭过的样子。AI 的输出正在从“一段话”变成“一个可以协作的工件”。聊天框或许只是入口，真正的界面还在演化。