Karpathy 最近搞了一個(gè)叫 autoresearch 的項(xiàng)目，一出手就在圈內(nèi)炸了鍋。

核心思路簡單到離譜：你去睡覺，AI 幫你通宵做實(shí)驗(yàn)

一覺醒來，100 多個(gè)實(shí)驗(yàn)結(jié)果整整齊齊地?cái)[在面前。

更猛的是，社區(qū)在此基礎(chǔ)上迅速衍生出了好幾個(gè)項(xiàng)目，把這套"自主研究"的范式推向了更廣的場景——從代碼質(zhì)量優(yōu)化，到直接幫你寫論文。

我覺得這可能是 2026 年最有意思的 AI Agent 落地方向之一

Karpathy 的 autoresearch：用 Markdown 編程的研究機(jī)構(gòu)

項(xiàng)目地址：https://github.com/karpathy/autoresearch

Karpathy 在 README 里寫了一段非常有畫面感的話：

曾經(jīng)，前沿 AI 研究是由肉體大腦完成的，他們在吃飯、睡覺和其他娛樂之間擠出時(shí)間做研究，偶爾通過名為"組會"的儀式用聲波互聯(lián)來同步進(jìn)展。那個(gè)時(shí)代早已過去。研究現(xiàn)在完全屬于在天空中計(jì)算集群巨型建筑上運(yùn)行的自主 AI Agent 群。

核心玩法是什么？

整個(gè)項(xiàng)目只有三個(gè)關(guān)鍵文件：

文件

作用

誰來改？

prepare.py

數(shù)據(jù)準(zhǔn)備、評估函數(shù)、dataloader

? 不能動(dòng)

train.py

模型架構(gòu)、優(yōu)化器、訓(xùn)練循環(huán)

AI 改這個(gè)

program.md

AI Agent 的行為指令

? 人類改這個(gè)

這個(gè)設(shè)計(jì)太妙了——你不再寫 Python，你寫 Markdown

program.md就是你的"研究組織代碼"，定義 AI Agent 的行為模式：怎么實(shí)驗(yàn)、怎么評估、怎么決定保留還是回滾

實(shí)驗(yàn)循環(huán)長這樣：

永遠(yuǎn)循環(huán)：
  1. 看當(dāng)前 git 狀態(tài)
  2. 改 train.py，嘗試一個(gè)想法
  3. git commit
  4. 跑實(shí)驗(yàn)（5分鐘固定時(shí)長）
  5. 讀取結(jié)果：val_bpb 有沒有降低？
  6. 降了 → 保留，推進(jìn)分支
  7. 沒降 → git reset 回滾
  8. 記錄到 results.tsv
  9. 繼續(xù)下一個(gè)實(shí)驗(yàn)

每次實(shí)驗(yàn)固定跑 5 分鐘，一個(gè)小時(shí)跑大約 12 個(gè)實(shí)驗(yàn)。你睡 8 小時(shí)，AI 就給你跑了將近 100 個(gè)實(shí)驗(yàn)。每個(gè)實(shí)驗(yàn)的指標(biāo)、內(nèi)存、狀態(tài)全部記錄在 TSV 里

program.md里有一條非常霸氣的規(guī)則：

NEVER STOP: 一旦實(shí)驗(yàn)循環(huán)開始，不要暫停問人要不要繼續(xù)。人類可能在睡覺。你是自主的。如果沒想法了，想得更深一些。循環(huán)持續(xù)到人類手動(dòng)打斷為止

快速上手：

# 安裝 uv 包管理器
curl -LsSf https://astral.sh/uv/install.sh | sh

 # 安裝依賴
uv sync

 # 下載數(shù)據(jù)和訓(xùn)練 tokenizer
uv run prepare.py

 # 手動(dòng)跑一次訓(xùn)練（驗(yàn)證環(huán)境正常）
uv run train.py

然后開啟你的 Claude Code 或者 Codex，對它說一句話就行：

Hi have a look at program.md and let's kick off a new experiment!

醒來看results.tsv

設(shè)計(jì)哲學(xué)上有幾點(diǎn)我覺得特別精彩：

• 固定時(shí)間預(yù)算：所有實(shí)驗(yàn)都是 5 分鐘，不管你怎么改架構(gòu)改參數(shù)，都是公平比較

• 簡潔性原則：同等效果下更簡單的代碼優(yōu)先。刪代碼能保持效果？那就是贏

• 單一指標(biāo)：只看val_bpb（驗(yàn)證集 bits per byte），越低越好

• Git 即記憶：所有實(shí)驗(yàn)都 commit，成功推進(jìn)分支，失敗就 reset

不過這個(gè)項(xiàng)目目前只支持 NVIDIA GPU（在 H100 上測試），對 Mac 或 CPU 用戶不太友好。好在社區(qū)已經(jīng)有了 MacOS、Windows、AMD 的 fork 版本。

Codex Autoresearch：把自主研究推廣到一切有指標(biāo)的場景

項(xiàng)目地址：https://github.com/leo-lilinxiao/codex-autoresearch

Codex Autoresearch Banner

Karpathy 的 autoresearch 只做 ML 訓(xùn)練，而codex-autoresearch把這套邏輯泛化到了所有軟件工程場景。

它是一個(gè) OpenAI Codex 的 Skill（技能插件），核心理念：只要你有一個(gè)可以衡量的數(shù)字指標(biāo)，它就能幫你自動(dòng)優(yōu)化。

你只需用一句話描述目標(biāo)，Codex 會自動(dòng)分析項(xiàng)目、確認(rèn)指標(biāo)、然后進(jìn)入自主迭代循環(huán)。

看幾個(gè)實(shí)際場景：

你說的話

Codex 做什么

"提高測試覆蓋率"

掃描項(xiàng)目，提出指標(biāo)，自動(dòng)寫測試直到達(dá)標(biāo)

"修復(fù) 12 個(gè)失敗的測試"

逐個(gè)檢測修復(fù)，直到全部通過

"為什么 API 返回 503？"

用科學(xué)方法排查根因，給出可證偽的假設(shè)

"這段代碼安全嗎？"

STRIDE + OWASP 審計(jì)，每個(gè)發(fā)現(xiàn)都有代碼證據(jù)

架構(gòu)上有個(gè)很聰明的設(shè)計(jì)——支持前臺和后臺兩種運(yùn)行模式。

你可以盯著它跑，也可以讓它后臺無人值守地跑一整夜。

實(shí)驗(yàn)循環(huán)跟 Karpathy 的一脈相承：

共享循環(huán)核心（永遠(yuǎn)循環(huán)或 N 次）：
  1. 審查當(dāng)前狀態(tài) + git 歷史 + 結(jié)果日志
  2. 選一個(gè)假設(shè)
  3. 做一個(gè)原子改動(dòng)
  4. git commit
  5. 跑驗(yàn)證 + 安全護(hù)欄
  6. 改進(jìn)了 → 保留。變差了 → 回滾。崩了 → 修復(fù)或跳過
  7. 記錄結(jié)果
  8. 健康檢查
  9. 連續(xù) 3 次丟棄 → 調(diào)整策略；5 次 → 轉(zhuǎn)向；2 次轉(zhuǎn)向 → 搜索網(wǎng)絡(luò)
  10. 重復(fù)

它還有一個(gè)跨運(yùn)行學(xué)習(xí)的機(jī)制——每次成功或失敗的經(jīng)驗(yàn)都會被提取成"教訓(xùn)"，注入到下一輪實(shí)驗(yàn)的決策中。

安裝也很簡單：

git clone https://github.com/leo-lilinxiao/codex-autoresearch.git
cp -r codex-autoresearch your-project/.agents/skills/codex-autoresearch

然后在 Codex 里說：

$codex-autoresearch
I want to get rid of all the `any` types in my TypeScript code

走開，回來看結(jié)果。

Claude Autoresearch：9 個(gè)命令覆蓋全場景

項(xiàng)目地址：https://github.com/uditgoenka/autoresearch

這個(gè)是面向 Claude Code 的版本，口號很直白：

"設(shè)定目標(biāo) → Claude 跑循環(huán) → 你醒來看結(jié)果"

跟 Codex 版本類似，也是泛化的自主迭代框架，但這個(gè)項(xiàng)目在命令體系上做得更完整，提供了 9 個(gè)開箱即用的命令：

命令

功能

/autoresearch

核心自主迭代循環(huán)

/autoresearch:plan

交互式配置向?qū)?/p>

/autoresearch:security

STRIDE + OWASP 安全審計(jì)

/autoresearch:ship

發(fā)布前檢查工作流

/autoresearch:debug

科學(xué)方法自主排 bug

/autoresearch:fix

自動(dòng)修復(fù)所有錯(cuò)誤

/autoresearch:scenario

場景驅(qū)動(dòng)測試生成

/autoresearch:predict

多角色預(yù)分析

/autoresearch:learn

自動(dòng)生成/更新文檔

它定義了8 條核心規(guī)則，這也是整個(gè) autoresearch 范式的精髓：

1. 循環(huán)到底——無限循環(huán)或 N 次循環(huán)后總結(jié)

2. 先讀后寫——理解上下文再動(dòng)手

3. 一次一改——原子性修改，壞了知道是哪步

4. 機(jī)械驗(yàn)證——不要主觀的"看起來行"，要指標(biāo)

5. 自動(dòng)回滾——失敗立刻撤回

6. 簡單為王——同樣效果，代碼越少越好

7. Git 即記憶——所有實(shí)驗(yàn)都進(jìn) git 歷史

8. 卡住了就想更深——沒思路的時(shí)候重新審視、組合近似成功的實(shí)驗(yàn)、嘗試激進(jìn)改變

安裝方式（推薦插件安裝）：

# 在 Claude Code 中運(yùn)行
/plugin marketplace add uditgoenka/autoresearch
/plugin install autoresearch@autoresearch

或者手動(dòng)復(fù)制：

git clone https://github.com/uditgoenka/autoresearch.git
cp -r autoresearch/claude-plugin/skills/autoresearch .claude/skills/autoresearch
cp -r autoresearch/claude-plugin/commands/autoresearch .claude/commands/autoresearch

然后試試：

/autoresearch
Goal: Increase test coverage from 72% to 90%
Scope: src/**/*.test.ts, src/**/*.ts
Metric: coverage % (higher is better)
Verify: npm test -- --coverage | grep "All files"
Guard: npm test

項(xiàng)目地址：https://github.com/aiming-lab/AutoResearchClaw

AutoResearchClaw

前面幾個(gè)還是在"優(yōu)化代碼/模型"的范疇，這貨直接把目標(biāo)拉到了全自主寫論文

口號："Chat an Idea. Get a Paper."——你說一個(gè)想法，它給你出一篇會議論文

AutoResearchClaw 框架圖

23 個(gè)階段，8 個(gè)大的 Phase，全自動(dòng)流水線：

Phase A: 研究范圍界定         Phase E: 實(shí)驗(yàn)執(zhí)行
  1. 主題初始化                 12. 實(shí)驗(yàn)運(yùn)行
  2. 問題分解                   13. 迭代改進(jìn)（自動(dòng)修復(fù)）

 Phase B: 文獻(xiàn)發(fā)現(xiàn)             Phase F: 分析與決策
  3. 搜索策略                   14. 結(jié)果分析（多 Agent）
  4. 文獻(xiàn)收集（真實(shí) API）       15. 研究決策（PIVOT/REFINE）
  5. 文獻(xiàn)篩選 [人工關(guān)口]
  6. 知識提取                 Phase G: 論文寫作
                                16. 論文大綱
Phase C: 知識綜合              17. 論文初稿
  7. 綜合                       18. 同行評審（證據(jù)檢查）
  8. 假設(shè)生成（多角色辯論）     19. 論文修訂

 Phase D: 實(shí)驗(yàn)設(shè)計(jì)             Phase H: 最終化
  9. 實(shí)驗(yàn)設(shè)計(jì) [人工關(guān)口]        20. 質(zhì)量關(guān)口 [檢查]
 10. 代碼生成                   21. 知識歸檔
 11. 資源規(guī)劃                   22. 導(dǎo)出發(fā)布（LaTeX）
                                23. 引用驗(yàn)證

最終產(chǎn)出一整套交付物：

產(chǎn)出

paper_draft.md

完整論文（引言、相關(guān)工作、方法、實(shí)驗(yàn)、結(jié)論）

paper.tex

可編譯的 LaTeX（NeurIPS/ICML/ICLR 模板）

references.bib

真實(shí)的 BibTeX 引用（來自 OpenAlex、Semantic Scholar、arXiv）

experiment runs/

生成的實(shí)驗(yàn)代碼 + 沙箱運(yùn)行結(jié)果

charts/

自動(dòng)生成的對比圖表

reviews.md

多 Agent 同行評審

幾個(gè)讓我印象深刻的設(shè)計(jì)：

1. 引用不造假：文獻(xiàn)通過 OpenAlex、Semantic Scholar 和 arXiv API 獲取真實(shí)論文，還有 4 層引用驗(yàn)證。這一點(diǎn)非常關(guān)鍵，其他自動(dòng)寫論文的工具最大的問題就是瞎編引用

2. 自愈機(jī)制：實(shí)驗(yàn)失敗了會自動(dòng)診斷修復(fù)；假設(shè)不成立會自動(dòng) PIVOT 換方向

3. 多 Agent 辯論：假設(shè)生成和結(jié)果分析都用多視角辯論機(jī)制，不是單一 LLM 的"自說自話"

4. 跨平臺支持：通過 ACP（Agent Client Protocol），支持 Claude Code、Codex CLI、Copilot CLI、Gemini CLI、Kimi CLI 等任何兼容的 Agent 后端

5. Sentinel 哨兵：后臺質(zhì)量監(jiān)控——NaN/Inf 檢測、論文證據(jù)一致性檢查、引用相關(guān)性打分、反編造守衛(wèi)

快速上手：

# 克隆安裝
git clone https://github.com/aiming-lab/AutoResearchClaw.git
cd AutoResearchClaw
python3 -m venv .venv && source .venv/bin/activate
pip install -e .

 # 交互式配置
researchclaw setup
researchclaw init

 # 一條命令跑起來
export OPENAI_API_KEY="sk-..."
researchclaw run --config config.arc.yaml --topic "Your research idea" --auto-approve

它已經(jīng) showcase 了 8 個(gè)領(lǐng)域（數(shù)學(xué)、統(tǒng)計(jì)、生物、計(jì)算、NLP、RL、視覺、魯棒性）的全自主生成論文

橫向?qū)Ρ龋核膫€(gè)項(xiàng)目怎么選？

特性

Karpathy autoresearch

Codex Autoresearch

Claude Autoresearch

AutoResearchClaw

核心場景

ML 模型訓(xùn)練優(yōu)化

通用代碼質(zhì)量

通用代碼質(zhì)量

全自主寫論文

Agent 平臺

任意

OpenAI Codex

Claude Code

多平臺 ACP

自主程度

高（永不停止）

高（后臺模式）

高（無限循環(huán)）

極高（23 階段流水線）

迭代粒度

改 train.py

任意代碼改動(dòng)

任意代碼改動(dòng)

文獻(xiàn)→實(shí)驗(yàn)→論文

評估方式

val_bpb

自定義指標(biāo)

自定義指標(biāo)

多維質(zhì)量評審

GPU 要求

需要 NVIDIA GPU

不需要

不需要

按任務(wù)而定

適合誰

ML 研究者

工程師/開發(fā)者

工程師/開發(fā)者

科研工作者

老章說兩句

這一波 autoresearch 生態(tài)的爆發(fā)，本質(zhì)上是三個(gè)趨勢交匯：

第一，Agent 能力到位了。Claude Code、Codex CLI 這些編程 Agent 已經(jīng)能夠穩(wěn)定地修改代碼、運(yùn)行測試、讀取結(jié)果。不再是"玩具級"了。

第二，范式足夠簡潔。Karpathy 的核心洞察是——你只需要一個(gè)指標(biāo) + 一個(gè)約束 + 一個(gè)循環(huán)。這個(gè)模式簡單到任何人都能理解、任何場景都能套用。

第三，Git 是天然的 Agent 記憶。每次實(shí)驗(yàn) commit，失敗就 revert，成功就推進(jìn)。這比任何復(fù)雜的狀態(tài)管理系統(tǒng)都優(yōu)雅。

說白了，這就是把 AI 從"一次性問答"變成"持續(xù)迭代"的范式轉(zhuǎn)變。以前你讓 AI 改代碼，改完就改完了。現(xiàn)在是讓它進(jìn)入一個(gè)無限循環(huán)：改、測、評、保留或回滾、再來。跟人類科研的流程一模一樣——提出假設(shè)、做實(shí)驗(yàn)、分析結(jié)果、決定下一步——只不過它不需要睡覺。

我覺得 AutoResearchClaw 是最值得關(guān)注的一個(gè)。

雖然全自主寫論文的質(zhì)量還沒法跟頂級研究者比，但作為科研輔助工具——幫你快速做文獻(xiàn)調(diào)研、跑初步實(shí)驗(yàn)、生成論文初稿——已經(jīng)能省掉大量重復(fù)勞動(dòng)了。

當(dāng)然，這些項(xiàng)目也有很明顯的局限：

• 只能優(yōu)化能量化的東西。"讓代碼更優(yōu)雅"這種目標(biāo)它搞不定

• API 成本不低。跑一夜的實(shí)驗(yàn)，token 費(fèi)用可能不便宜

• 創(chuàng)造性有限。它擅長的是在已知空間內(nèi)暴力搜索，真正顛覆性的創(chuàng)新還是得靠人類

但方向是對的。

當(dāng) Agent 能力繼續(xù)提升、成本繼續(xù)下降，"你定義方向，AI 做苦力"可能真的會成為科研和工程的常態(tài)。

制作不易，如果這篇文章覺得對你有用，可否點(diǎn)個(gè)關(guān)注。給我個(gè)三連擊：點(diǎn)贊、轉(zhuǎn)發(fā)和在看。若可以再給我加個(gè)，謝謝你看我的文章，我們下篇再見！