63
0Andrej Karpathy开源了autoresearch——一个仅630行Python代码的框架，让AI Agent自主运行机器学习研究循环：
读取策略、修改代码、跑实验、评估结果、只保留改进。
两天跑了数百个实验，在已经优化到位的项目上又提升了11%。
本期播客深度拆解这个项目的原理、实践和它带来的深层启示。
【时间线】
Part 1 · 项目介绍与原理分析
00:00 开场 · 一支烟花社区播客介绍
01:30 Karpathy是谁——从OpenAI到Tesla到Eureka Labs
03:00 autoresearch是什么——630行极简框架的定位
05:00 The Karpathy Loop——读取策略→修改代码→限时实验→评估→提交
07:00 program.md——用Markdown编程，Programming the Why not the How
09:00 极简设计哲学——为什么630行就够了
Part 2 · 应用实践与真实效果
10:30 两天数百个实验，11%效率提升意味着什么
13:00 Agent发现了人类研究者遗漏的优化
15:00 递归自我改进——距离真正的AGI有多远
17:00 超越ML的通用性——营销文案、交易策略、家居自动化
19:00 开源社区的爆发式反应
20:30 Eureka Labs与AI原生教育
Part 3 · 启示与思考
21:30 从写代码到编排Agent——Manifesting取代Coding
23:00 研究者角色转变——从做实验到设计实验规则
25:00 Karpathy Loop作为通用设计模式
26:30 对AI创业者的启示——设计让AI自主运转的系统
28:00 一个人+正确架构 = 过去一个团队
29:30 autoresearch是Agency的技术化实现
30:00 总结 · 加入一支烟花社区交流
【核心观点】
· The Karpathy Loop：定义目标→设定约束→Agent沙箱自主探索→只保留改进——这是一种通用设计模式
· program.md是革命性创新：不写Python编程，用Markdown定义Why，Agent负责How
· 630行代码的极简哲学——复杂不等于强大，少即是多
· 两天跑数百个实验提升11%——AI发现了人类研究者遗漏的优化方向
· 通用性远超ML：任何有可编辑资产+可度量输出+限时评估的系统都适用
· 人的角色从实验者变成实验设计者——从写代码到编排Agent
· autoresearch是Agency概念的技术化实现——把人的主观能动性编码到系统架构中
========================================
【提到的关键概念】
autoresearch — Karpathy开源的自动化ML研究框架（630行Python）
The Karpathy Loop — 自主研究循环的设计模式
program.md — 用Markdown定义研究目标和约束的配置文件
Recursive Self-Improvement — AI递归自我改进
Eureka Labs — Karpathy创办的AI原生教育公司
Dobby — Karpathy实验的家居自动化Agent
Agency — 主观能动性，autoresearch的底层哲学
========================================
【关于一支烟花】
一支烟花是一个关注AI前沿动态的创作者社区
追踪硅谷最新AI技术趋势，用犀利视角解读行业变化
公众号：一支烟花AI
欢迎加入社群交流
