Autoresearch 全自动写代码、写论文，Claude、Codex、龙虾纷纷复现

Karpathy 最近搞了一个叫 autoresearch 的项目，一出手就在圈内炸了锅。

核心思路简单到离谱：你去睡觉，AI 帮你通宵做实验

一觉醒来，100 多个实验结果整整齐齐地摆在面前。

更猛的是，社区在此基础上迅速衍生出了好几个项目，把这套"自主研究"的范式推向了更广的场景——从代码质量优化，到直接帮你写论文。

我觉得这可能是 2026 年最有意思的 AI Agent 落地方向之一

Karpathy 的 autoresearch：用 Markdown 编程的研究机构

项目地址：https://github.com/karpathy/autoresearch

Karpathy 在 README 里写了一段非常有画面感的话：

曾经，前沿 AI 研究是由肉体大脑完成的，他们在吃饭、睡觉和其他娱乐之间挤出时间做研究，偶尔通过名为"组会"的仪式用声波互联来同步进展。那个时代早已过去。研究现在完全属于在天空中计算集群巨型建筑上运行的自主 AI Agent 群。

Karpathy autoresearch 实验进展图

Karpathy autoresearch 实验进展图

核心玩法是什么？

整个项目只有三个关键文件：

这个设计太妙了——你不再写 Python，你写 Markdown

program.md 就是你的"研究组织代码"，定义 AI Agent 的行为模式：怎么实验、怎么评估、怎么决定保留还是回滚

实验循环长这样：

永远循环：
  1. 看当前 git 状态
  2. 改 train.py，尝试一个想法
  3. git commit
  4. 跑实验（5分钟固定时长）
  5. 读取结果：val_bpb 有没有降低？
  6. 降了 → 保留，推进分支
  7. 没降 → git reset 回滚
  8. 记录到 results.tsv
  9. 继续下一个实验

每次实验固定跑 5 分钟，一个小时跑大约 12 个实验。你睡 8 小时，AI 就给你跑了将近 100 个实验。每个实验的指标、内存、状态全部记录在 TSV 里

program.md 里有一条非常霸气的规则：

NEVER STOP: 一旦实验循环开始，不要暂停问人要不要继续。人类可能在睡觉。你是自主的。如果没想法了，想得更深一些。循环持续到人类手动打断为止

快速上手：

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

# 安装依赖
uv sync

# 下载数据和训练 tokenizer
uv run prepare.py

# 手动跑一次训练（验证环境正常）
uv run train.py

然后开启你的 Claude Code 或者 Codex，对它说一句话就行：

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

醒来看 results.tsv

设计哲学上有几点我觉得特别精彩：

• 固定时间预算：所有实验都是 5 分钟，不管你怎么改架构改参数，都是公平比较
• 简洁性原则：同等效果下更简单的代码优先。删代码能保持效果？那就是赢
• 单一指标：只看 val_bpb（验证集 bits per byte），越低越好
• Git 即记忆：所有实验都 commit，成功推进分支，失败就 reset

不过这个项目目前只支持 NVIDIA GPU（在 H100 上测试），对 Mac 或 CPU 用户不太友好。好在社区已经有了 MacOS、Windows、AMD 的 fork 版本。

Codex Autoresearch：把自主研究推广到一切有指标的场景

项目地址：https://github.com/leo-lilinxiao/codex-autoresearch

Codex Autoresearch Banner

Codex Autoresearch Banner

Karpathy 的 autoresearch 只做 ML 训练，而 codex-autoresearch 把这套逻辑泛化到了所有软件工程场景。

它是一个 OpenAI Codex 的 Skill（技能插件），核心理念：只要你有一个可以衡量的数字指标，它就能帮你自动优化。

你只需用一句话描述目标，Codex 会自动分析项目、确认指标、然后进入自主迭代循环。

看几个实际场景：

架构上有个很聪明的设计——支持前台和后台两种运行模式。

你可以盯着它跑，也可以让它后台无人值守地跑一整夜。

实验循环跟 Karpathy 的一脉相承：

共享循环核心（永远循环或 N 次）：
  1. 审查当前状态 + git 历史 + 结果日志
  2. 选一个假设
  3. 做一个原子改动
  4. git commit
  5. 跑验证 + 安全护栏
  6. 改进了 → 保留。变差了 → 回滚。崩了 → 修复或跳过
  7. 记录结果
  8. 健康检查
  9. 连续 3 次丢弃 → 调整策略；5 次 → 转向；2 次转向 → 搜索网络
  10. 重复

它还有一个跨运行学习的机制——每次成功或失败的经验都会被提取成"教训"，注入到下一轮实验的决策中。

安装也很简单：

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

然后在 Codex 里说：

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

走开，回来看结果。

Claude Autoresearch：9 个命令覆盖全场景

项目地址：https://github.com/uditgoenka/autoresearch

这个是面向 Claude Code 的版本，口号很直白：

"设定目标 → Claude 跑循环 → 你醒来看结果"

跟 Codex 版本类似，也是泛化的自主迭代框架，但这个项目在命令体系上做得更完整，提供了 9 个开箱即用的命令：

它定义了 8 条核心规则，这也是整个 autoresearch 范式的精髓：

1. 循环到底——无限循环或 N 次循环后总结
2. 先读后写——理解上下文再动手
3. 一次一改——原子性修改，坏了知道是哪步
4. 机械验证——不要主观的"看起来行"，要指标
5. 自动回滚——失败立刻撤回
6. 简单为王——同样效果，代码越少越好
7. Git 即记忆——所有实验都进 git 历史
8. 卡住了就想更深——没思路的时候重新审视、组合近似成功的实验、尝试激进改变

安装方式（推荐插件安装）：

# 在 Claude Code 中运行
/plugin marketplace add uditgoenka/autoresearch
/plugin install autoresearch@autoresearch

或者手动复制：

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

然后试试：

/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

AutoResearchClaw：最激进的——直接帮你写论文

项目地址：https://github.com/aiming-lab/AutoResearchClaw

AutoResearchClaw Logo

AutoResearchClaw

前面几个还是在"优化代码/模型"的范畴，这货直接把目标拉到了全自主写论文

口号："Chat an Idea. Get a Paper."——你说一个想法，它给你出一篇会议论文

AutoResearchClaw 框架图

AutoResearchClaw 框架图

23 个阶段，8 个大的 Phase，全自动流水线：

Phase A: 研究范围界定         Phase E: 实验执行
  1. 主题初始化                 12. 实验运行
  2. 问题分解                   13. 迭代改进（自动修复）

Phase B: 文献发现             Phase F: 分析与决策
  3. 搜索策略                   14. 结果分析（多 Agent）
  4. 文献收集（真实 API）       15. 研究决策（PIVOT/REFINE）
  5. 文献筛选 [人工关口]
  6. 知识提取                 Phase G: 论文写作
                                16. 论文大纲
Phase C: 知识综合              17. 论文初稿
  7. 综合                       18. 同行评审（证据检查）
  8. 假设生成（多角色辩论）     19. 论文修订

Phase D: 实验设计             Phase H: 最终化
  9. 实验设计 [人工关口]        20. 质量关口 [检查]
 10. 代码生成                   21. 知识归档
 11. 资源规划                   22. 导出发布（LaTeX）
                                23. 引用验证

最终产出一整套交付物：

几个让我印象深刻的设计：

1. 引用不造假：文献通过 OpenAlex、Semantic Scholar 和 arXiv API 获取真实论文，还有 4 层引用验证。这一点非常关键，其他自动写论文的工具最大的问题就是瞎编引用
2. 自愈机制：实验失败了会自动诊断修复；假设不成立会自动 PIVOT 换方向
3. 多 Agent 辩论：假设生成和结果分析都用多视角辩论机制，不是单一 LLM 的"自说自话"
4. 跨平台支持：通过 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：后台质量监控——NaN/Inf 检测、论文证据一致性检查、引用相关性打分、反编造守卫

快速上手：

# 克隆安装
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

# 一条命令跑起来
export OPENAI_API_KEY="sk-..."
researchclaw run --config config.arc.yaml --topic "Your research idea" --auto-approve

它已经 showcase 了 8 个领域（数学、统计、生物、计算、NLP、RL、视觉、鲁棒性）的全自主生成论文

横向对比：四个项目怎么选？

老章说两句

这一波 autoresearch 生态的爆发，本质上是三个趋势交汇：

第一，Agent 能力到位了。 Claude Code、Codex CLI 这些编程 Agent 已经能够稳定地修改代码、运行测试、读取结果。不再是"玩具级"了。

第二，范式足够简洁。 Karpathy 的核心洞察是——你只需要一个指标 + 一个约束 + 一个循环。这个模式简单到任何人都能理解、任何场景都能套用。

第三，Git 是天然的 Agent 记忆。 每次实验 commit，失败就 revert，成功就推进。这比任何复杂的状态管理系统都优雅。

说白了，这就是把 AI 从"一次性问答"变成"持续迭代"的范式转变。以前你让 AI 改代码，改完就改完了。现在是让它进入一个无限循环：改、测、评、保留或回滚、再来。跟人类科研的流程一模一样——提出假设、做实验、分析结果、决定下一步——只不过它不需要睡觉。

我觉得 AutoResearchClaw 是最值得关注的一个。

虽然全自主写论文的质量还没法跟顶级研究者比，但作为科研辅助工具——帮你快速做文献调研、跑初步实验、生成论文初稿——已经能省掉大量重复劳动了。

当然，这些项目也有很明显的局限：

• 只能优化能量化的东西。"让代码更优雅"这种目标它搞不定
• API 成本不低。跑一夜的实验，token 费用可能不便宜
• 创造性有限。它擅长的是在已知空间内暴力搜索，真正颠覆性的创新还是得靠人类

但方向是对的。

当 Agent 能力继续提升、成本继续下降，"你定义方向，AI 做苦力"可能真的会成为科研和工程的常态。

制作不易，如果这篇文章觉得对你有用，可否点个关注。给我个三连击：点赞、转发和在看。若可以再给我加个🌟，谢谢你看我的文章，我们下篇再见！