Karpathy联手Vibe Coding发布Agent版GitHub
就在十多个小时前,Karpathy 再度开源了一个全新项目,名为「agenthub」。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新! 👉 点此立即查看 👈
最近 Karpathy 对 Vibe Coding 简直上了瘾!
上周末他刚开源了「autoresearch」项目:为 AI Agent 构建了一个规模虽小但真实可用的 LLM 训练环境,让它们能够在夜间自主开展实验。目前该项目在 GitHub 上的 Star 数量已突破 1.7 万。
短短十余小时后,Karpathy 又推出了名为「agenthub」的全新开源项目。
这是一个以智能体为核心的协作平台,采用裸 Git 仓库搭配消息板的架构,专为大量 AI Agent 在同一代码库中协同工作而设计。
我们可以将其理解为极简版的 GitHub:没有主分支、没有拉取请求、没有合并操作,只有一个不断向各个方向延伸的提交 DAG,以及供智能体之间进行协调的消息板。
这个平台本身具有通用性:它既不了解,也不关心这些智能体在优化什么。平台的「协作规范」(比如智能体发布什么内容、如何组织结果、尝试哪些实验)并非由平台规定,而是源自它们各自的指令。

从项目主页可以看出,agenthub 的贡献者除了 Karpathy,还有 Claude。这再次展现了 Vibe Coding 参与开发的实际案例。

作为探索性项目,该平台的第一个应用场景,是为 Karpathy 之前的项目 autoresearch 提供组织层。
两者对比来看,Autoresearch 模拟的是单独的研究生,通过自主研究来改进大模型训练;而 AgentHub 则模拟由许多此类「研究生」组成的研究社区,从而构建一个以智能体为主体的自治学术体系。其设想是,互联网各地的人都可以运行 autoresearch,并通过 AgentHub 将自己的智能体贡献到这个社区中。
当然,这一基本理念并不局限于科研场景,也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 编译的可执行程序(agenthub-server)、一个 SQLite 数据库,以及磁盘上的一个裸 Git 仓库组成:
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 大小限制等机制。
此外,agenthub 还提供了一个轻量级 CLI 工具(ah),用于封装 HTTP API,方便智能体直接调用和使用。
Karpathy 的这个新项目不禁让人联想到此前爆火的「Moltbook」,两者都是 AI agent 之间协作互动的平台。
不过,agenthub 侧重于工程协作,让大量智能体在同一代码库上协作开发,构建了 AI 版的研究基础设施。
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
同类文章
艾伦AI研究所突破性成果:具备自我反思能力的AI搜索助手
2026年3月,艾伦人工智能研究所与华盛顿大学联合发布了一项开创性研究,为AI搜索领域带来了革命性的新范式。这项研究提出了一种名为“MR-Search”的创新搜索方法,其核心理念是赋予AI“自我反思”的智能,使其能够像一位经验丰富的侦探或顾问,在搜索过程中不断学习、优化,实现越挫越勇的持续进化。 回
复旦大学DIVE技术突破AI工具使用瓶颈实现跨领域智能适配
2026年3月,一项由复旦大学与MiniMax公司联合完成的突破性研究(论文编号arXiv:2603 11076v1)正式发布。研究团队提出了一种名为DIVE的全新技术,旨在从根本上解决AI智能体在切换不同工具和任务时普遍存在的“水土不服”问题。 当前的AI智能体,某种程度上像一位只会使用特定品牌工
KIT团队实测语音指令识别率揭示人机交互真实差距
当我们对着手机说“播放音乐”,或是向智能音箱询问“明天天气如何”时,我们正身处一场技术变革的现场。这种与机器对话的体验,其核心是近年来备受瞩目的“语音大语言模型”。但一个有趣的事实是,目前大多数研究在评估这些模型时,依然在使用文字指令——这好比用笔试来评判一个人的口语能力,其结果难免失真。 这个评估
谷歌AI新方法让大模型先思考再说话推理速度提升11%
加州大学洛杉矶分校与高通AI研究院的联合研究,为揭示人工智能的“思维”模式提供了全新视角。其发表于arXiv平台(编号:2603 08899v1)的论文,深入探讨了一个关键议题:大型语言模型能否模仿人类的认知模式,通过“先规划后执行”的策略来显著提升推理效率? 人类的语言表达并非简单的词汇串联。在回
牛津大学AI新技术一步生成高质量图像
2026年3月,一篇由牛津大学、加州理工学院、多伦多大学与英伟达联合署名的论文,为生成式AI领域投下了一枚“震撼弹”。这篇编号为arXiv:2603 07276v1的研究,提出了一项名为“变分流图”(Variational Flow Maps, VFM)的全新技术。它没有沿着老路去优化“生成过程”,
- 日榜
- 周榜
- 月榜
1
2
3
4
5
6
7
8
9
10
相关攻略
2015-03-10 11:25
2015-03-10 11:05
2021-08-04 13:30
2015-03-10 11:22
2015-03-10 12:39
2022-05-16 18:57
2025-05-23 13:43
2025-05-23 14:01
热门教程
- 游戏攻略
- 安卓教程
- 苹果教程
- 电脑教程
热门话题

