karpathy/autoresearch

autoresearch 是 Karpathy 发布的一个自治研究实验项目，核心思路是让 AI Agent 在单张 GPU 上围绕 nanochat 训练代码持续尝试改动、运行短训练、评估结果并决定是否保留变更。它不是通用聊天工具，而是把“研究实验自动化”拆解成一套可复现的代理式循环，适合关注自主实验、模型训练优化和 AI Research Agent 的开发者。

对 OpenClaw 用户来说，这个项目的价值在于它展示了代理如何围绕真实代码仓库、实验指标与上下文文档形成闭环：你可以借鉴它的组织方式，构建自己的训练调优代理、评测代理或夜间自动实验流程。它尤其适合有单机 GPU、想自动探索模型参数、训练策略或研究提示的人群，也适合把代理从“会写代码”推进到“会做实验和比较结果”的场景。

具体使用上，仓库 README 说明你不是直接手改所有 Python 文件，而是通过配置 program.md 等上下文文件来指导代理实验。进入原仓库后，用户可以学习如何准备训练环境、让代理自动运行 5 分钟训练、检查指标变化并循环迭代，还能了解如何把实验日志、保留/回滚策略和研究目标写入代理上下文。这类“配置研究流程而不是手动重复实验”的方法，对构建更强的 OpenClaw 研究型 Agent 很有参考价值。