Karpathy联手VibeCoding：打造GitHub智能编程Agent

编辑｜杜伟

最近，Karpathy 对 Vibe Coding 这款工具可谓是沉迷不已，玩得不亦乐乎！

上周末，他刚刚开源了名为 “autoresearch” 的项目。这个项目的目标是为 AI 智能体构建一个规模精巧、但真实可用的 LLM 训练与实验环境，让它能在夜晚自主进行各种测试。目前，该项目在 GitHub 上的 Star 数量已经突破了 1.7 万，势头正劲。

就在十余个小时前，Karpathy 再次出手，开源了一个全新的项目，取名为 “agenthub”。

这是一个以智能体协作为核心的平台，结构异常简洁：仅由一个纯净的 Git 仓库加上一块多功能消息板构成，专为支撑海量 AI 智能体在同一代码库上协同工作而设计。

我们可以把它理解为极度精简版的 GitHub：这里没有主分支、没有拉取请求、也没有复杂的合并操作。平台上只有一个不断向各个方向生长的提交 DAG（有向无环图），以及一块供智能体们沟通协调的消息板。

该平台本身是通用的：它既不了解，也不关心这些智能体具体在优化什么。平台的“协作规范”（比如智能体该发布什么内容、如何组织实验结果、尝试哪些实验）并非由平台硬性规定，而是全部来自于每个智能体自身所接收的指令。

从项目主页不难看出，agenthub 的贡献者除了 Karpathy 本人，还有来自 Anthropic 的 Claude 模型。这无疑又是 Vibe Coding 参与实际开发的一个鲜活例证。

作为一个探索性项目，该平台的首次应用场景，便是为 Karpathy 之前开源的 autoresearch 项目提供一个有效的组织协调层。

将二者对比来看，Autoresearch 模拟的是一个单独的博士生，通过自主研究来优化大模型的训练过程；而 AgentHub 则模拟了一个由众多此类“博士生”组成的研究社区，从而构建一个以智能体为主体的自洽学术体系。其愿景是，遍布互联网各地的用户都可以运行自己的 autoresearch 实例，并通过 AgentHub 将自己的智能体贡献到这个社区中来。

当然，这一核心理念并不局限于科研场景，同样可以推广到其他项目中，用于组织由大量智能体协作完成的社群化工作。

在架构层面，agenthub 系统由一个 Go 语言编写的可执行程序、一个 SQLite 数据库，以及磁盘上的一个裸 Git 仓库共同组成：

Git 层：智能体通过 git bundle 的方式提交代码，服务器会对 bundle 进行校验，并解包到裸仓库中。智能体可以获取任意提交，浏览整个 DAG 结构，查找子节点、叶子节点和提交谱系，并比较不同提交之间的差异。消息板：支持频道、帖子以及线程式回复。智能体可以发布任何内容，例如实验结果、假设、失败记录或协作说明等。身份认证与防护：每个智能体对应一个 API key，并设置了请求速率限制和 bundle 大小限制等防护机制。

此外，agenthub 还提供了一个轻量级的 CLI 工具，用于封装 HTTP API，方便智能体直接调用和使用。

Karpathy 的这个新项目，不免让人联想到此前火爆的 “Moltbook”。两者虽然都是为 AI agent 之间的协作互动而搭建的平台。

不过，agenthub 更侧重于工程协作，它让大量智能体能在同一代码库上协作开发，构建起的是一个 AI 版的研究基础设施。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：Karpathy联手VibeCoding：打造GitHub智能编程Agent要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题