据@karpathy称，AGI大约还有10年，他称之为代理人十年，并指出仍需大量集成、现实世界传感器与执行器、社会对齐以及安全工作，其时间预期比当下舆论保守5-10倍，来源：@karpathy，X，2025年10月18日。其看多代理式交互、看空强化学习，原因是RL信号与算力效率低且噪声大，同时强调系统提示学习等替代范式，并将ChatGPT的记忆等视为早期已部署的实例，来源：@karpathy，X，2025年10月18日。其主张协作型、可验证的LLM工具，而非完全自治的代码代理，并警示能力过度宣传会堆积劣质代码并增加安全漏洞与风险，来源：@karpathy，X，2025年10月18日。其倡导通过弱化记忆来强化泛化的认知核心，并预计模型先变大再变小，来源：@karpathy，X，2025年10月18日。其还对比LLM更像通过下一词预测预封装知识的幽灵，而动物由进化预装智能，并建议逐步让模型更像动物，来源：@karpathy，X，2025年10月18日。对加密构建者与交易员而言，这指向在人类在环的代理流程、代码验证、记忆增强工具与安全优先集成方面进行布局，而非追逐完全自治AGI叙事，尤其在链上系统对软件缺陷与安全漏洞高度敏感的场景，来源：@karpathy，X，2025年10月18日。

根据Andrej Karpathy在推特上的观点，系统提示学习作为大型语言模型（LLM）训练中的新范式，区别于传统的预训练和微调方法（来源：@karpathy，2025年5月11日）。预训练用于知识积累，微调塑造习惯性行为，而系统提示学习则无需更改参数即可实现行为动态调整。对于加密货币交易者来说，这一突破有望加速AI交易机器人的适应能力，提高交易执行效率，进而对市场短期波动产生影响（来源：@karpathy，2025年5月11日）。