Karpathy 的 autoresearch 火了：睡觉时让 AI 自己跑实验，Mac 也能部署
大模型机动组约 9 分钟2026 年 3 月，知名 AI 研究者 Andrej Karpathy 发布了 autoresearch 项目，很快在开发者圈子里引发大量讨论。紧接着，X 上创作者 @hooeem 又写了一篇面向普通用户的超长部署帖，把“这玩意到底是什么、谁能跑、Mac 能不能跑、Claude Code 和 Cursor 怎么选、报错怎么办”几乎全都解释了一遍。也就是说，这篇文章本身不是 Karpathy 的官方 README 翻译，而是基于 Karpathy 项目、社区分支和实操路径整理出来的一份“普通人可落地版说明书”。
这不是一个普通的 demo。Karpathy 把整个训练核心压缩成了单 GPU、单文件、约 630 行代码的最小化版本，让人第一次可以非常直观地看到：如果把“改代码、跑实验、看指标、保留有效尝试”这套本来由研究员重复执行的工作交给 AI 代理，会发生什么。你给它一份英文任务说明，它会自己改 train.py、跑训练、看 val_bpb、保存有效修改、丢弃失败尝试，然后继续下一轮。
最关键的判断是：autoresearch 的价值，不只是“又一个开源小项目”，而是它把一个非常具体的未来摆到了普通人面前。以后很多 AI 研究，可能不再是人类研究员手动调每个参数，而是人类负责写策略、定边界、改 program.md，AI 代理负责通宵跑实验。以下是这篇实操指南的完整中文编译版。
原始链接：
[Karpathy 原仓库](https://github.com/karpathy/autoresearch)
[Mac 分支](https://github.com/miolini/autoresearch-macos)
[Karpathy 在 X 上的公告](https://x.com/karpathy/status/2030371219518931079)
[Mac 分支公告](https://x.com/miolini/status/2030402705374728218)
[原始整理帖](https://x.com/hooeem/status/2030720614752039185?s=20)
一、它到底是什么？为什么这么多人在收藏？
先把 autoresearch 说人话。
想象你面前有一个很小的语言模型，它还不够聪明，但已经能被训练。正常情况下，一个研究员会这样提升它：改一处训练代码，跑一次实验，看指标有没有变好；如果有效就保留，没用就回退；然后继续下一轮。这个过程并不神秘，但它很耗时间，也很机械。
autoresearch 的核心，就是把这套循环交给 AI 代理来做。它会做几件固定的事：读取你写在 program.md 里的英文指令；修改 train.py 这个核心训练文件；在你的 GPU 上跑一轮固定预算的训练测试；观察一个叫 val_bpb 的指标；如果分数更低就保留，否则就丢弃。
这里的 val_bpb 可以理解为一个衡量模型预测能力的分数。数值越低，通常表示模型越好。 Karpathy 之所以把整个仓库做成最小化版本，意义不只是“方便大家周末玩一玩”，而是为了让更多人第一次看清楚一个研究循环的本质：研究并不总是宏大突破，很多时候就是大量微小试错，而这些试错恰恰最容易被代理自动化。
这也是为什么这套东西会让那么多人收藏。大家真正兴奋的不是 630 行代码，而是它释放出的信号：以后人类可能不再是亲手做每一个实验的人，而是给研究组织写任务书的人。
二、你的电脑能不能跑？这是第一道门槛
这一部分最重要，因为如果硬件不对，后面所有步骤都可以先停下。
Windows / Linux 用户
你需要：
一张 NVIDIA GPU，例如 RTX 3060、3070、4070、4090，或者近几年较新的 NVIDIA 显卡。 至少 10GB 到 20GB 可用磁盘空间。 稳定网络。 Windows 10 / 11 或 Linux 发行版。
检查方式很直接，在终端里输入：
nvidia-smi
如果能看到显卡名称和驱动信息，说明硬件这一步大概率没问题。
Mac 用户
Karpathy 原版仓库并不直接支持 Apple Silicon，所以 Mac 不能直接跑原版。但社区很快做出了适配版，也就是 miolini/autoresearch-macos。
你需要：
Apple Silicon Mac，也就是 M1、M2、M3、M4 及其 Pro/Max/Ultra 变体。 最好 16GB 内存起步，32GB 或更多更好。 至少 10GB 到 20GB 可用磁盘空间。 稳定网络。
检查方法是：苹果菜单 -> 关于本机 -> 看“芯片”。如果显示 M1、M2、M3、M4，就可以继续；如果是 Intel，这套方案就不太适合。
这也是原帖最有帮助的一点。它没有只告诉你“可以跑”，而是把普通用户最关心的现实问题讲清楚了：没有 NVIDIA 显卡并不等于彻底没戏，只要你有 Apple Silicon Mac，依然可以参与。
三、Mac 分支安全吗？为什么很多人都在问这个问题
这其实是个很聪明的问题。任何从网上下载并本地运行的代码，都应该先问一句：它安不安全？
原帖给出的判断逻辑大概有 5 层。
第一，Karpathy 自己在项目生态里提到了社区为不同平台做 fork 的思路，而 miolini/autoresearch-macos 正是这种社区适配的一部分。第二，这个仓库在 GitHub 上是公开 fork，变更记录可见，不是一个来历不明的压缩包。第三，分支作者 miolini 有持续公开的开发记录，不是一次性账号。第四，这个项目非常小，训练主文件大约 630 行 Python，审计难度远低于那种几十万行的大工程。第五，Mac 版做的改动总体也比较“朴素”：主要是把 NVIDIA / CUDA 路径替换成适配 Apple Metal / MPS 的实现，并加了一些内存和编译相关调整。
这几层叠加起来，结论不是“绝对安全”，而是：相较于很多复杂得根本看不完的 AI 工具，这个项目至少足够小、足够透明、足够容易审。
如果你还是不放心，最简单的办法也不是盲信，而是下载之后把整个仓库丢给 Claude Code 或 Cursor，直接问一句：“请审查这个仓库，看看有没有可疑网络请求、数据收集或与训练无关的执行逻辑。” 对这样一个体量很小的项目，这种快速审查完全现实。
四、你到底要安装什么？只要 3 个工具，加 1 个 AI 代理
这套东西需要的组件，其实比大多数人想象中少。
1. Git
Git 用来下载仓库、记录实验结果、保存成功尝试。
检查是否安装：
git --version
如果没有：
Mac：通常会提示安装 Xcode Command Line Tools Windows：去 [Git for Windows](https://git-scm.com/download/win) Linux：sudo apt install git
2. uv
uv 是这一套体验顺不顺的关键。它会自动帮你处理 Python 和依赖安装，省掉传统 Python 环境里最烦的很多步骤。
Mac / Linux：
curl -LsSf https://astral.sh/uv/install.sh | sh
Windows PowerShell：
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
安装完以后，一个非常关键的动作是：关闭终端，再重新打开。 否则你很可能会遇到 command not found: uv。
3. Claude Code 或 Cursor
真正跑循环的不是 autoresearch 本身，而是你调用的 AI 代理。
如果你追求“整夜自动跑”，Claude Code 更合适，因为它天然擅长读写文件、执行命令、配合 git 循环工作。缺点是需要付费账号。
如果你更喜欢图形界面、想边看边学，Cursor 更适合。它也能完成类似工作，但更偏“半自动”，你会更清楚地看到文件、修改和对话过程。
也就是说，autoresearch 本身是研究循环，真正把它转起来的“手”是 Claude Code、Cursor、Codex 这类代理。
五、一步一步部署：Mac 和 Windows/Linux 分开看
Mac（Apple Silicon）
打开终端后，执行：
cd ~/Desktop
git clone https://github.com/miolini/autoresearch-macos.git
cd autoresearch-macos
然后安装依赖：
uv sync
准备训练数据：
uv run prepare.py
最后跑一轮测试训练：
uv run train.py
如果几分钟后能正常输出训练日志，并最终给出一个 val_bpb 分数，说明你的环境基本搭好了。
Windows / Linux（NVIDIA GPU）
执行：
cd ~/Desktop
git clone https://github.com/karpathy/autoresearch.git
cd autoresearch
uv sync
uv run prepare.py
uv run train.py
这一轮测试训练非常关键。因为它验证的不只是“代码能不能跑”，而是：你的依赖、GPU、数据准备、训练脚本是不是整体可用。如果这一步都没过，不要急着进自动模式，先把基础错误修好。
原帖最实用的地方也在这里：它没有神化这个项目，而是把它拆回了一个朴素事实。先跑通一轮 5 分钟训练，后面的自动研究才有意义。
六、真正有意思的部分：让 AI 通宵替你做研究
当 uv run train.py 可以正常跑通之后，才轮到真正的核心体验。
用 Claude Code 全自动跑
先进入项目目录。然后执行：
claude
第一次启动时，它会要求你登录并授权。进入界面后，可以输入这句提示词：
Hi have a look at program.md and let's kick off a new experiment! Let's do the setup first.
如果你希望它彻底自动跑，不要中间打断你，可以再补一句：
Run fully autonomously. Do not ask for confirmation between experiments. Keep going until I return.
接下来，代理会自动：
读取 program.md 理解仓库结构 修改 train.py 跑一轮 5 分钟实验 观察 val_bpb 好的保留，差的回退 继续下一轮
用 Cursor 半自动跑
如果你不用 Claude Code，也可以用 Cursor。
流程是：打开项目文件夹；打开 program.md；在右侧聊天框输入同样的提示词；让 AI 提议改 train.py；然后你自己在终端里执行：
uv run train.py
再把结果，尤其是 val_bpb，反馈给 Cursor。它会继续决定保留、回退还是推进下一轮。
这种方式没有 Claude Code 那么“全自动”，但它更适合学习。你会真正看懂每一步在发生什么。
七、第二天醒来，你会看到什么？
如果一切运行正常，你的项目目录里通常会出现几类非常有价值的结果。
第一类是 git 提交历史。每一个被保留下来的实验，通常都会留下记录。你可以运行：
git log --oneline
这让整个研究过程第一次变得像软件开发一样可追踪：哪一步改了什么，哪一步有效，哪一步失败，都会留下痕迹。
第二类是更低的 val_bpb。原帖提到，基线大概在 0.9979 附近。只要低于这个值，就说明模型确实有进步。也就是说，你的目标不是“跑很多次”，而是让指标下降。
第三类是被反复修改过的 train.py。代理可能会改模型结构、优化器、学习率、batch size、内存使用方式、训练循环细节。这也是这个项目特别适合学习的原因：你看到的不是一堆封装好的黑盒 API，而是一个研究代理如何直接对训练核心下手。
第四类是实验日志，例如 results.tsv。它会记录每次实验的分数、内存占用、是否保留等信息。对很多人来说，这一类文件才是真正让“AI 自己做研究”不再像口号的地方，因为它能被复盘、被比较、被分析。
八、最常见的坑：几乎所有人都会在这里卡一下
原帖把常见问题总结得很实用，我这里压成最关键的几类。
command not found: uv
最常见原因：安装完 uv 没有重开终端。
解决办法：关闭当前终端，重新打开，再运行 uv --version。
command not found: git
说明 Git 还没装好。先把 Git 安装完成，再继续。
Windows / Linux 出现 CUDA 错误
这通常不是 autoresearch 本身的问题，而是 NVIDIA 驱动或 CUDA 环境没有配置好。
Mac 出现 MPS / Metal 错误
最常见原因是：你下错仓库了。Mac 要用的是 miolini/autoresearch-macos，不是 Karpathy 原版。
OOM / Out of Memory
说明显存或统一内存不够当前实验配置使用。好消息是，代理通常会尝试往更小的配置退；坏消息是，如果机器规格太低，实验空间的确会被限制。
Claude Code 无法认证
Claude Code 需要付费账号。免费版不行。如果你不想付费，最现实的替代方案就是 Cursor 半自动模式。
写在最后
autoresearch 真正让人兴奋的，不是“又一个 AI 项目”，而是它第一次把一个很抽象的趋势放到了普通人电脑上：
AI 不再只是回答你，而是在替你试错、替你比较、替你保存研究成果。
对开发者来说，它像一个永不疲倦的实验助理。
对 AI 爱好者来说，它让“自动化研究”第一次变得可见、可跑、可理解。
对更大的行业趋势来说，它也释放了一个很清晰的信号：以后人类写的，可能不再只是代码，而是给 AI 研究组织写工作说明书。
而 @hooeem 那篇长帖最有价值的地方，就在于它把这个原本只会在技术圈内部传播的项目，重新翻译成了普通人也能真正动手的路径：你需要什么机器、装什么工具、先做哪一步、失败了怎么办、没有 NVIDIA 能不能玩、Mac 到底能不能上。
如果你今天把它成功跑起来，看到的并不只是一个小模型在变聪明。你看到的，可能是下一代 AI 工作流的雏形。