一、它是什么：让 AI Agent 通宵自动做研究
你平时做研究 / 调参，是人肉循环：改代码 → 跑 → 看指标 → 决定保留还是回退，一轮接一轮。autoresearch（karpathy/autoresearch，Karpathy 本人 2026 年 3 月开源）把这个循环甩给 AI Agent：给一个 AI agent 一个「小而真实」的 LLM 训练环境，让它通宵自主实验——自己改代码、训练 5 分钟、看结果变好就保留、变差就回退，循环不停。你早上醒来，看到的是一份实验日志和一个（hopefully）更好的模型。
它不是「AI 编程框架」，而是把这个理念落到一个具体场景：单卡跑 nanochat（Karpathy 的极简 LLM）的训练研究。你不再像平时那样手改 Python，而是写 program.md（给 agent 的指令 / 上下文）来「编程」你的自主研究组织。
二、核心循环：设定目标 → 自动迭代 → 验证保留
整个 repo 刻意只有三个文件，各司其职：
| 文件 | 谁改 | 干什么 |
|---|---|---|
prepare.py | 不动 | 固定常量、一次性数据准备（下载数据、训 BPE tokenizer）、运行时工具（dataloader / 评估） |
train.py | Agent 改 | 完整的 GPT 模型 + 优化器（Muon + AdamW）+ 训练循环。架构、超参、优化器、batch size 全都能动 |
program.md | 人改 | 给 agent 的指令 / 上下文，本质是一个「超轻量 skill」 |
循环就这么跑：agent 编辑 train.py → 固定 5 分钟（wall clock，不含启动编译）训练预算 → 看指标 val_bpb（validation bits per byte，越低越好，且词表尺寸无关，能公平比较不同架构）→ 变好保留、变差回退 → 下一轮。作者按此估算约 12 轮/小时、睡觉时约 100 轮。
三、怎么跑起来
硬件：单张 NVIDIA GPU（作者用 H100 测过）、Python 3.10+、uv 包管理器。
# 1. 装依赖
uv sync
# 2. 一次性数据准备 + 训 tokenizer（约 2 分钟）
uv run prepare.py
# 3. 手动跑一轮训练验证环境通（约 5 分钟）
uv run train.py环境通了就进「自主研究模式」：在这个 repo 里起你的 Claude / Codex（关掉所有权限确认），对着 program.md 提示一句「看一下 program.md，我们开始一轮实验，先做 setup」，agent 就跑起来了。README 原话支持「Claude / Codex or whatever you want」——不限定具体 agent。
四、几个要点先看清（别被视频带偏）
- 它不是「任何任务都适用」的通用工具。视频说「适用于任何能量化、可自动验证的任务」——那是理念层面确实成立（设定目标 + 自动迭代 + 验证保留，凡能量化的都能套）。但这个 repo 本身是 nanochat 单卡 LLM 训练专用，agent 只能改
train.py这一个文件，scope 被刻意收窄好 review - 星标 9.5 万（截至 2026-09-13 实查），但 license 未标（无协议文件）——商用前得留意，别默认能随便用
- 仓停在 2026-03-26 没更新，这是故意的：作者强调它是个「小而真实的极简起点 / 故事」，重点在理念可迁移，不是要你拿去直接生产
- 单卡、5 分钟一轮的设计，是「让实验之间可比 + 让一个人一晚上能跑很多轮」的取舍
五、适合谁、值得带走什么
适合「有一张 NVIDIA 卡、想让 agent 通宵帮你扫训练空间」的 LLM 研究向玩家，以及想理解「设定目标—自动迭代—验证保留」这套循环怎么落地的人。最值得带走的是那个结构：把可变的东西（train.py）和不可变的（prepare.py）和「你的策略」（program.md）分清楚，再给 agent 一个可量化、可自动验证的指标（val_bpb），它就能自转。这套思路完全可以搬到你自己的可量化任务上——只要你能定出那个「变好/变差」的评价标准。
仓库：github.com/karpathy/autoresearch · 依赖的 nanochat：karpathy/nanochat · 星标 95,702（截至 2026-09-13 实查，Python，无 license，最后更新 2026-03-26）