文章介绍了 Andrej Karpathy 推广的“循环工程”概念，即通过 AI 自动化循环（目标设定、规划、执行、验证）替代传统的单次 Prompt 交互。文章阐述了循环的核心要素，分析了适用场景，并以 AutoResearch 为例展示了其在模型训练中的成效。此外，文章还讨论了构建循环的五大组件，并提出了“双层循环”等进阶优化方法。
本文记录了 Andrej Karpathy 与 Sarah Guo 的播客对话。Karpathy 指出自 2024 年底起，其工作模式已彻底转变为“指挥 Agent 干活”，通过 AutoResearch 实现递归自我改进。他讨论了 AI Agent 在编程与生活中的应用、开源与闭源模型的收敛，并指出了当前 AI 在可验证领域（代码）飞速进步，但在非可验证领域（如幽默）仍面临“参差不齐”的瓶颈。
本文介绍了作者尝试使用 Andrej Karpathy 发布的 autoresearch 工具，通过定义 program.md 让 AI Agent 自动编写代码、运行实验并迭代结果。为了简化流程，作者开源了 autoresearch-gen 工具，利用 LLM 生成脚手架代码并配备 Streamlit 仪表盘来追踪实验。文章还探讨了 AI 研究自动化趋势及其面临的上下文记忆和状态管理挑战。