Loop 日报: 2026年7月23日
autoresearch 今天彻底跑出了代码。大家分享的循环不再是修 bug、跑仓库，而是去发现一种超导材料、训练一个打牌高手、在对局间隙重写万智牌卡组。demo 底下反复冒出来的还是那句让人不安的话：现在循环本身已经不难了，真正崩的地方是评估器。另外有两条互不相关的硬件观察落到了同一条线上——一块便宜显卡上跑的小本地模型，已经足够让一个 agent 无人值守地跑起来。
#1
@WrongNebula
https://x.com/WrongNebula/status/2079617327856070708
两个 pi agent，各自关在独立沙箱里，用一个私有 Obsidian 库当记忆、配一套 Karpathy 式 autoresearch 循环，互相打万智牌，无限循环下去。每局之间它们复盘自己的败局、重写卡组、重新排队。有一个连输两次给同一张飞行威胁后，给自己写了条笔记：我们的卡组打不过 Sengir 这类带吸血的飞兵，下次排队前优先升级直伤。没人教它去侦查对手，这是它从自己的失败里自己想明白的。
https://x.com/WrongNebula/status/2079617327856070708
两个 pi agent，各自关在独立沙箱里，用一个私有 Obsidian 库当记忆、配一套 Karpathy 式 autoresearch 循环，互相打万智牌，无限循环下去。每局之间它们复盘自己的败局、重写卡组、重新排队。有一个连输两次给同一张飞行威胁后，给自己写了条笔记：我们的卡组打不过 Sengir 这类带吸血的飞兵，下次排队前优先升级直伤。没人教它去侦查对手，这是它从自己的失败里自己想明白的。
#2
@alxai_
https://x.com/alxai_/status/2079604813403206103
前沿模型能解人类解不出的数学题，却打不过一个普通人的金拉米，于是 goodstartlabs 做了个叫 Arkadium 的小专家，十把赢九把，服务成本大约便宜一千倍。一套定制的 auto-research 循环决定跑哪些实验、训练新专家、留下最好的那个，而这个「学生」最后反过来去教更大的模型。Arkadium 既给玩家一个更好玩的游戏，又开了条新收入线——把训练数据卖给大模型公司。定义好、量化它、达成它、拿它赚钱。
https://x.com/alxai_/status/2079604813403206103
前沿模型能解人类解不出的数学题，却打不过一个普通人的金拉米，于是 goodstartlabs 做了个叫 Arkadium 的小专家，十把赢九把，服务成本大约便宜一千倍。一套定制的 auto-research 循环决定跑哪些实验、训练新专家、留下最好的那个，而这个「学生」最后反过来去教更大的模型。Arkadium 既给玩家一个更好玩的游戏，又开了条新收入线——把训练数据卖给大模型公司。定义好、量化它、达成它、拿它赚钱。
#3
@mp_engine
https://x.com/mp_engine/status/2079506673031368911
这条说法是那种会让你停一下的：微软的 Majorana 1 量子芯片，据说之所以存在，是因为一个自主 agent 循环一步步迭代出了背后那种全新的拓扑超导材料。不管这个归因站不站得住，它就是大家现在给这类循环讲的故事的形状——有意思的产出不再是一个 PR，而是一种以前不存在的材料。材料搜索几乎是 autoresearch 的完美靶子：空间巨大、评分清晰、实验又能让 agent 自己提出并排序。
https://x.com/mp_engine/status/2079506673031368911
这条说法是那种会让你停一下的：微软的 Majorana 1 量子芯片，据说之所以存在，是因为一个自主 agent 循环一步步迭代出了背后那种全新的拓扑超导材料。不管这个归因站不站得住，它就是大家现在给这类循环讲的故事的形状——有意思的产出不再是一个 PR，而是一种以前不存在的材料。材料搜索几乎是 autoresearch 的完美靶子：空间巨大、评分清晰、实验又能让 agent 自己提出并排序。
#4
@Lummox_eth
https://x.com/Lummox_eth/status/2079559537552495064
Karpathy 把 Codex 指向一个外联销售仓库，把 700 次实验变成每周一个 PR，而不是又一个仪表盘。700 次跑，20 个胜出，快了 11%，零条自动发出的消息。诀窍是把发送和合并都留在循环外面，Codex 只干一件事：读结果、改一条评分规则、跑评估、开 PR。仓库让整个 go-to-market 变得可检视——scoring.yaml 装的是判断，outcomes.jsonl 装的是市场真实的反应。
https://x.com/Lummox_eth/status/2079559537552495064
Karpathy 把 Codex 指向一个外联销售仓库，把 700 次实验变成每周一个 PR，而不是又一个仪表盘。700 次跑，20 个胜出，快了 11%，零条自动发出的消息。诀窍是把发送和合并都留在循环外面，Codex 只干一件事：读结果、改一条评分规则、跑评估、开 PR。仓库让整个 go-to-market 变得可检视——scoring.yaml 装的是判断，outcomes.jsonl 装的是市场真实的反应。
#5
@Mnilax
https://x.com/Mnilax/status/2079632365002117542
每个人的自改进 agent 都在删掉自己最有用的数据，而斯坦福一篇新论文偏偏留住大家扔掉的那部分：失败。标准循环只在成功的跑上训练，可弱点恰恰暴露在失败里。于是他们反过来做——让一个 LLM 读失败的轨迹、给失败模式命名、生成一个推理时的补丁来升级 agent，不重训，只需人快速过一眼。这个 agent 从别人都删掉的那些跑里变强。
https://x.com/Mnilax/status/2079632365002117542
每个人的自改进 agent 都在删掉自己最有用的数据，而斯坦福一篇新论文偏偏留住大家扔掉的那部分：失败。标准循环只在成功的跑上训练，可弱点恰恰暴露在失败里。于是他们反过来做——让一个 LLM 读失败的轨迹、给失败模式命名、生成一个推理时的补丁来升级 agent，不重训，只需人快速过一眼。这个 agent 从别人都删掉的那些跑里变强。
#6
@free_ai_guides
https://x.com/free_ai_guides/status/2079659164876558375
Langfuse 的 Annabelle 讲清楚了为什么你的自改进循环烧了一堆 token 却原地踏步，根子在目标函数。代码循环之所以好使，是因为它永远有一个干净信号——能不能编译，而大多数领域根本没有这么锋利的信号。他们在一个论文分类任务上搭的极简循环，第一次迭代就从 68% 跳到 78%，然后就平了，一次高信号的迭代几乎干完了所有活。解法是：把模糊的 0 到 1 质量分换成一个是或否的问题，再给循环留一个逃生口，让它该停就停，别一直往墙上撞。
https://x.com/free_ai_guides/status/2079659164876558375
Langfuse 的 Annabelle 讲清楚了为什么你的自改进循环烧了一堆 token 却原地踏步，根子在目标函数。代码循环之所以好使，是因为它永远有一个干净信号——能不能编译，而大多数领域根本没有这么锋利的信号。他们在一个论文分类任务上搭的极简循环，第一次迭代就从 68% 跳到 78%，然后就平了，一次高信号的迭代几乎干完了所有活。解法是：把模糊的 0 到 1 质量分换成一个是或否的问题，再给循环留一个逃生口，让它该停就停，别一直往墙上撞。
#7
@vartekxx
https://x.com/vartekxx/status/2079608205072531649
Kimi CEO 杨植麟说，有个团队让自改进 agent 连着跑了两三天、全程没有人介入，模型自己一直在找更好的解。他们的 token 量每两周翻一倍、几个月十倍，这个速度他拿早年 3G 上线来类比。他真正的警告是接下来的事：一个 agent 是玩具，一群 agent 是没人解决过的上下文噩梦，当你手里是一个 swarm 而不是一个 agent 时压过来的负载，才是那个悬而未决的难题。
https://x.com/vartekxx/status/2079608205072531649
Kimi CEO 杨植麟说，有个团队让自改进 agent 连着跑了两三天、全程没有人介入，模型自己一直在找更好的解。他们的 token 量每两周翻一倍、几个月十倍，这个速度他拿早年 3G 上线来类比。他真正的警告是接下来的事：一个 agent 是玩具，一群 agent 是没人解决过的上下文噩梦，当你手里是一个 swarm 而不是一个 agent 时压过来的负载，才是那个悬而未决的难题。
#8
@mr_r0b0t
https://x.com/mr_r0b0t/status/2079539983702991313
腾讯基于 Karpathy 的 autoresearch 放出了 Hyra-1.0，一个通用的递归自改进脚手架，配一条多 agent 异步的生产者-消费者流水线。一个 Context Agent 维护着过往解法、日志和产物的经验库，并合成新鲜的「灵感」上下文；提案 agent 把这些拉进完整的解法目录，在沙箱里跑、打分、再把结果喂回去。关键在那个双层循环：它既改进解法、又进化评估器本身——而这正是随着 agent 越来越强、用来对抗奖励作弊的那一环。
https://x.com/mr_r0b0t/status/2079539983702991313
腾讯基于 Karpathy 的 autoresearch 放出了 Hyra-1.0，一个通用的递归自改进脚手架，配一条多 agent 异步的生产者-消费者流水线。一个 Context Agent 维护着过往解法、日志和产物的经验库，并合成新鲜的「灵感」上下文；提案 agent 把这些拉进完整的解法目录，在沙箱里跑、打分、再把结果喂回去。关键在那个双层循环：它既改进解法、又进化评估器本身——而这正是随着 agent 越来越强、用来对抗奖励作弊的那一环。
#9
@superalesha
https://x.com/superalesha/status/2079558889222382030
一个直白的提醒：自主会放大错误。七个 agent 组成一个 auto-research 团队，在四块 RTX 3090 上烧了 900 万 token、90 分钟，完美地执行了一个错误的实验，三个审查 agent 还全都签字通过。整件事是被一个人的一句话叫停的——为什么要把一个 3.6GB 的模型拆到四块 24GB 的显卡上。循环运转得完美无缺，只是被指向了废话，而审查者一个都没看出来。
https://x.com/superalesha/status/2079558889222382030
一个直白的提醒：自主会放大错误。七个 agent 组成一个 auto-research 团队，在四块 RTX 3090 上烧了 900 万 token、90 分钟，完美地执行了一个错误的实验，三个审查 agent 还全都签字通过。整件事是被一个人的一句话叫停的——为什么要把一个 3.6GB 的模型拆到四块 24GB 的显卡上。循环运转得完美无缺，只是被指向了废话，而审查者一个都没看出来。
#10
@simplifyinAI
https://x.com/simplifyinAI/status/2079701548830261598
一个叫 AutoResearch 的开源工具，想用一条 CLI 命令自动化整个科学方法。它建在 Karpathy 的 autoresearch 实验循环之上，你丢给它一个粗糙的点子，它就去 arXiv 和 Semantic Scholar 上做文献综述、带一道过滤挡掉假论文，从零写代码，再把成果结构成一篇五千字的报告。你可以设成停下来等人批准，也可以设成自动通过、直接走人。
https://x.com/simplifyinAI/status/2079701548830261598
一个叫 AutoResearch 的开源工具，想用一条 CLI 命令自动化整个科学方法。它建在 Karpathy 的 autoresearch 实验循环之上，你丢给它一个粗糙的点子，它就去 arXiv 和 Semantic Scholar 上做文献综述、带一道过滤挡掉假论文，从零写代码，再把成果结构成一篇五千字的报告。你可以设成停下来等人批准，也可以设成自动通过、直接走人。
#11
@agihouse_org
https://x.com/agihouse_org/status/2079628107540267055
十八支队伍在 AGI House 花了一个周六，攻的是 autoresearch 真正的瓶颈——不是跑实验，而是点子的多样性、研究品味、以及知道什么值得一试。获胜的有 AutoDesign（一个自改进的设计 harness）、BetaChip（给芯片设计做实时 RL）、还有一个把人的判断带进科学 auto-research 的 Vibes Lab。这个主题很说明问题：一旦实验循环被商品化，稀缺的东西就变成了决定把它指向哪儿。
https://x.com/agihouse_org/status/2079628107540267055
十八支队伍在 AGI House 花了一个周六，攻的是 autoresearch 真正的瓶颈——不是跑实验，而是点子的多样性、研究品味、以及知道什么值得一试。获胜的有 AutoDesign（一个自改进的设计 harness）、BetaChip（给芯片设计做实时 RL）、还有一个把人的判断带进科学 auto-research 的 Vibes Lab。这个主题很说明问题：一旦实验循环被商品化，稀缺的东西就变成了决定把它指向哪儿。
#12
@sudoingX
https://x.com/sudoingX/status/2079651157753106444
一个 27B 的模型现在能在 8GB 显存上舒舒服服跑起来，而且不只是聊天，它跑的是完整的 agent 循环——工具、多步、无人值守。这就是这一周大家反复围着转的那条线：便宜的本地显卡从「聊天机器人」变成「你可以扔着让它干活的东西」的临界点。再配上他另一条——同一个模型的权重在磁盘上只有 3.9GB——结论就是，跑一个无人值守 agent 的硬件门槛已经悄悄塌了。
https://x.com/sudoingX/status/2079651157753106444
一个 27B 的模型现在能在 8GB 显存上舒舒服服跑起来，而且不只是聊天，它跑的是完整的 agent 循环——工具、多步、无人值守。这就是这一周大家反复围着转的那条线：便宜的本地显卡从「聊天机器人」变成「你可以扔着让它干活的东西」的临界点。再配上他另一条——同一个模型的权重在磁盘上只有 3.9GB——结论就是，跑一个无人值守 agent 的硬件门槛已经悄悄塌了。
#13
@MadhurPras81001
https://x.com/MadhurPras81001/status/2079571292882124866
如果你做了一个专门用来改进其他 agent 的 agent，那你也得评估这个 agent，这条讲的正是 LangChain 怎么用 IssueBench 给他们的 LangSmith 轨迹分析引擎做这件事。做法是 15 个合成任务，每个带一批轨迹，有的干净、有的注入了故障，覆盖 15 类失败（静默的工具错误、agent 打转、上下文爆炸等），跨三个领域跑，确认它学到的是抽象的失败模式而不是表层特征。核心是：一个轨迹级的标签还不够，输出必须是一组团队真能拿去分派、去修的问题。
https://x.com/MadhurPras81001/status/2079571292882124866
如果你做了一个专门用来改进其他 agent 的 agent，那你也得评估这个 agent，这条讲的正是 LangChain 怎么用 IssueBench 给他们的 LangSmith 轨迹分析引擎做这件事。做法是 15 个合成任务，每个带一批轨迹，有的干净、有的注入了故障，覆盖 15 类失败（静默的工具错误、agent 打转、上下文爆炸等），跨三个领域跑，确认它学到的是抽象的失败模式而不是表层特征。核心是：一个轨迹级的标签还不够，输出必须是一组团队真能拿去分派、去修的问题。
#14
@AAAzzam
https://x.com/AAAzzam/status/2079648322667626609
Devin Outposts 跑在 Modal 上，让你给 agent 一个带 GPU、为它的活量身定制的沙箱，然后在你自己掌控的基础设施里丢给它 auto-research 任务。这是循环执行到底落在哪儿的一个小而实在的转变——规划留在 Devin 的云端，跑则发生在你自己的机器上。给一个自主研究 agent 配一套专属算力环境，正是让过夜实验循环变得实用的那种不起眼的管道活。
https://x.com/AAAzzam/status/2079648322667626609
Devin Outposts 跑在 Modal 上，让你给 agent 一个带 GPU、为它的活量身定制的沙箱，然后在你自己掌控的基础设施里丢给它 auto-research 任务。这是循环执行到底落在哪儿的一个小而实在的转变——规划留在 Devin 的云端，跑则发生在你自己的机器上。给一个自主研究 agent 配一套专属算力环境，正是让过夜实验循环变得实用的那种不起眼的管道活。
#15
@SasuRobert
https://x.com/SasuRobert/status/2079496205915046264
一个把一切都放在家里跑的理由：如果你在做真东西，你需要脚本自主运行——autoresearch agent、代码审查、审计，一直跑、一直更新，而这些成本对着前沿额度加起来涨得很快。每秒 30 个 token 听着低，其实干得了一大堆活，需要速度时还能切到更小的 flash 模型。他的观点是：一旦你反正要在 token 上花真金白银，本地开源模型就是那种持续、无人值守后台循环的最佳配置。
https://x.com/SasuRobert/status/2079496205915046264
一个把一切都放在家里跑的理由：如果你在做真东西，你需要脚本自主运行——autoresearch agent、代码审查、审计，一直跑、一直更新，而这些成本对着前沿额度加起来涨得很快。每秒 30 个 token 听着低，其实干得了一大堆活，需要速度时还能切到更小的 flash 模型。他的观点是：一旦你反正要在 token 上花真金白银，本地开源模型就是那种持续、无人值守后台循环的最佳配置。
#16
@bitwjg
https://x.com/bitwjg/status/2079384257882202327
一个用 GPT-5.5 和 5.6 当协作者的完整端到端 auto-research 项目，从假设设计一路跑到远程实验、产物审计和写作。他们测的问题本身就很锋利：更大的推理模型是不是真的用更少的 token 在推理。这是把 autoresearch 指向模型本身——用一个 agent 循环去研究跑这个循环的那类系统的某个属性。
https://x.com/bitwjg/status/2079384257882202327
一个用 GPT-5.5 和 5.6 当协作者的完整端到端 auto-research 项目，从假设设计一路跑到远程实验、产物审计和写作。他们测的问题本身就很锋利：更大的推理模型是不是真的用更少的 token 在推理。这是把 autoresearch 指向模型本身——用一个 agent 循环去研究跑这个循环的那类系统的某个属性。
#17
@vinicius2prg
https://x.com/vinicius2prg/status/2079631177225322600
一个自进化 harness 的漂亮生产模式：当一个错误符合某些条件时，一个 agent 在 Linear 上自动分诊、去重，然后交给一个子 agent，让它走一遍轨迹、找出上下文混淆或工具错误，用 skillopt 加 autoresearch 再加一个 LLM 陪审团去优化，而不是全都内联硬做。这是把「失败驱动的循环」接进了一条真实的 bug 流水线，而不是一个 benchmark。那个夹在诊断和修复之间的陪审团，正是大多数人跳过的一环。
https://x.com/vinicius2prg/status/2079631177225322600
一个自进化 harness 的漂亮生产模式：当一个错误符合某些条件时，一个 agent 在 Linear 上自动分诊、去重，然后交给一个子 agent，让它走一遍轨迹、找出上下文混淆或工具错误，用 skillopt 加 autoresearch 再加一个 LLM 陪审团去优化，而不是全都内联硬做。这是把「失败驱动的循环」接进了一条真实的 bug 流水线，而不是一个 benchmark。那个夹在诊断和修复之间的陪审团，正是大多数人跳过的一环。
#18
@code_hiyouga
https://x.com/code_hiyouga/status/2079583404170113522
PenguinHarness 被定位成任何 agent 都能用的自改进引擎，它的 skill 让 agent 自己生成数据、跑评估、分析失败、更新技能、并验证每一次改进。这就在一个包里闭合了从数据到评估再到 harness 迭代的完整循环。它是这一周「把会学习的东西当成 harness 而不是模型」这个模式里的又一个案例。
https://x.com/code_hiyouga/status/2079583404170113522
PenguinHarness 被定位成任何 agent 都能用的自改进引擎，它的 skill 让 agent 自己生成数据、跑评估、分析失败、更新技能、并验证每一次改进。这就在一个包里闭合了从数据到评估再到 harness 迭代的完整循环。它是这一周「把会学习的东西当成 harness 而不是模型」这个模式里的又一个案例。
#19
@trishbuilds
https://x.com/trishbuilds/status/2079539759957909577
一个自维护的 Obsidian 库，agent 写每一条笔记、在你读之前先把概念链好，而且关键是——当搜索没命中时，它会自己修搜索。一次搜索空手而归，agent 就把那次查询存成一个永久的评估测试，修好背后的摘要，还必须通过这个新测试、同时不破坏任何旧的。它从自己的漏检里变得更准，这跟研究者在追的「把失败当信号」是同一个想法，只是用在了个人知识工作上。
https://x.com/trishbuilds/status/2079539759957909577
一个自维护的 Obsidian 库，agent 写每一条笔记、在你读之前先把概念链好，而且关键是——当搜索没命中时，它会自己修搜索。一次搜索空手而归，agent 就把那次查询存成一个永久的评估测试，修好背后的摘要，还必须通过这个新测试、同时不破坏任何旧的。它从自己的漏检里变得更准，这跟研究者在追的「把失败当信号」是同一个想法，只是用在了个人知识工作上。
#20
@luongnv89
https://x.com/luongnv89/status/2079523319955783801
一个真在跑的自改进循环，一个修复 agent 配一个审查 agent（跑在 GPT-5.6 Sol high 上），后面还挂着一句实在的抱怨：每周的用量上限变成了每天的上限。这是一扇看清这类循环真实成本的小窗——一个双 agent 配置烧得够多，以至于「审查者值不值这个价」成了要不要保留它的问题。token 都花在审查者身上，绕回来又撞上了这一整周的评估器难题。
https://x.com/luongnv89/status/2079523319955783801
一个真在跑的自改进循环，一个修复 agent 配一个审查 agent（跑在 GPT-5.6 Sol high 上），后面还挂着一句实在的抱怨：每周的用量上限变成了每天的上限。这是一扇看清这类循环真实成本的小窗——一个双 agent 配置烧得够多，以至于「审查者值不值这个价」成了要不要保留它的问题。token 都花在审查者身上，绕回来又撞上了这一整周的评估器难题。
#21
@runpensar
https://x.com/runpensar/status/2079610261674049809
把持续对抗测试框成一个单一的 agentic 循环，在整个攻击面上去发现、利用、修补漏洞。这是把 autoresearch 指向安全——一个 agent 自己跑「红队再修复」的循环，而不是人去驱动每一轮。循环结构特别适合安全，因为「被利用没被利用」很接近代码循环里那个干净的「编译没编译」信号。
https://x.com/runpensar/status/2079610261674049809
把持续对抗测试框成一个单一的 agentic 循环，在整个攻击面上去发现、利用、修补漏洞。这是把 autoresearch 指向安全——一个 agent 自己跑「红队再修复」的循环，而不是人去驱动每一轮。循环结构特别适合安全，因为「被利用没被利用」很接近代码循环里那个干净的「编译没编译」信号。
#22
@abossy
https://x.com/abossy/status/2079393880143696172
一个自己写了 agent harness 的开发者，因为现成的太受限了——Claude agents SDK 是闭源的，OpenAI agents SDK 又不成熟。这是这一周「harness 即产品」叙事的一股逆流，有人判定那些商品化的原语不合用、干脆自己撸一个。当大家开始因为现成的 harness 束手束脚而自己写 harness 时，harness 就已经成了那个真正要紧的东西。
https://x.com/abossy/status/2079393880143696172
一个自己写了 agent harness 的开发者，因为现成的太受限了——Claude agents SDK 是闭源的，OpenAI agents SDK 又不成熟。这是这一周「harness 即产品」叙事的一股逆流，有人判定那些商品化的原语不合用、干脆自己撸一个。当大家开始因为现成的 harness 束手束脚而自己写 harness 时，harness 就已经成了那个真正要紧的东西。
#23
@richkuo7
https://x.com/richkuo7/status/2079634010800570558
一套值得抄的当下 agentic 循环配置：用 fable-medium 创建并校验 issue，复杂的就给这个 issue 加上 fableplan-high，然后用 sol-high 或 medium 去干这个 issue。这是把不同档位的模型路由到循环不同阶段、而不是全程用一个模型的一个干净示例。有意思的一步是：用便宜的模型把活理顺，只在推理真需要的地方才上更强的那个。
https://x.com/richkuo7/status/2079634010800570558
一套值得抄的当下 agentic 循环配置：用 fable-medium 创建并校验 issue，复杂的就给这个 issue 加上 fableplan-high，然后用 sol-high 或 medium 去干这个 issue。这是把不同档位的模型路由到循环不同阶段、而不是全程用一个模型的一个干净示例。有意思的一步是：用便宜的模型把活理顺，只在推理真需要的地方才上更强的那个。
#24
@alex_verem
https://x.com/alex_verem/status/2079540627247964601
一篇新论文定义了把一个语言模型变成编码 agent 的四个条件，而大家抓住的点是：没有一个是关于模型本身的。全是 harness——模型外面的那层脚手架，而不是权重，这正是支撑这一整周循环和 harness 讨论的理论骨架。如果让一个东西成为 agent 的不是模型，那模型就真的正在变成那个可替换的零件。
https://x.com/alex_verem/status/2079540627247964601
一篇新论文定义了把一个语言模型变成编码 agent 的四个条件，而大家抓住的点是：没有一个是关于模型本身的。全是 harness——模型外面的那层脚手架，而不是权重，这正是支撑这一整周循环和 harness 讨论的理论骨架。如果让一个东西成为 agent 的不是模型，那模型就真的正在变成那个可替换的零件。
📡 生态产品雷达
Eco Products Radar
Devin / Outposts —— Cognition 主推的、把 Devin 的 agent 循环跑在你自己掌控的基础设施上，反复出现（AAAzzam、cognition、markfenner、TrevorHikes）。
Karpathy's autoresearch —— 所有人都在其上搭建的参考实现，从 Hyra-1.0、AutoResearch CLI、打万智牌的 pi agent 到 AGI House 黑客松都在引用。
pi —— 用来搭自己的编码 agent 和 autoresearch 循环的开源工具包，SedraLab（pi-textbook）、沙箱里的 pi agent、以及多份 harness 盘点都提到了它。
Devin / Outposts —— Cognition 主推的、把 Devin 的 agent 循环跑在你自己掌控的基础设施上，反复出现（AAAzzam、cognition、markfenner、TrevorHikes）。
Karpathy's autoresearch —— 所有人都在其上搭建的参考实现，从 Hyra-1.0、AutoResearch CLI、打万智牌的 pi agent 到 AGI House 黑客松都在引用。
pi —— 用来搭自己的编码 agent 和 autoresearch 循环的开源工具包，SedraLab（pi-textbook）、沙箱里的 pi agent、以及多份 harness 盘点都提到了它。
评论