标签
Karpathy 用 Claude 分析 Hacker News 过去 20 年的 4300 万条评论，筛出被反复推荐的 6,454 个视频，约 2 小时重做了一个更好用的 YouTube 推荐工具 HackerTube。
推文分享了 Andrej Karpathy 时长两小时的 AI 实战课程，系统讲解 AI Agent、Harness、Loops 和 Graphs 等核心工作原理，适合想深入理解 AI Agent 的开发者观看。
推文分享了 Andrej Karpathy 在 GitHub 上免费公开的一套完整 AI 学位课程，包含 7 个按学习顺序排列的仓库，从反向传播一路讲到能自主运行研究的智能体，累计获得超过 30 万星标。
一篇中文观点长文，借 Andrej Karpathy 关于与大模型交互的技巧（如使用 ASD-STE100 简化语言规范），阐述如何用 AI 把知识点讲清楚、画出来并做成可交互的小工具，实现真正因材施教的个性化学习。
Andrej Karpathy 构建了一个名为 autoresearch 的智能体，仅用 3 个文件就能自主运行 AI 研究 —— 你只需向 Claude 或 Codex 提供一个小型 LLM 训练环境，该智能体便会循环执行「尝试、提交、训练」。
一条推文指出，Andrej Karpathy 称提示词（prompting）正在过时，取而代之的是智能体图（agent graphs）；他花 69 分钟从零构建了一个图，展示它作为智能体系统新兴结构的雏形。
一位从业者反馈称，Karpathy 推荐的 ASD-STE100 受控语言规则（选择性应用时）确实能提升 LLM 回复的清晰度（包括 HTML 产物），并分享了一个具体的自我改进提示词：从近期会话记录中随机采样，提炼出自定义的清晰度规则，写入用户的 AGENTS.md 文件。
一条来自@cyrilXBT的推文赞扬了一篇关于代理系统图工程的论文，声称它能显著改善AI响应，并推广一个名为RankNow的垃圾竞标网站。
安德烈·卡帕西从零开始构建了一个LLM，并开源了所有代码，涵盖了数据集、训练循环和推理循环的完整流水线，延续了他通过micrograd和makemore简化AI教育的工作。
Andrej Karpathy 发布了 nanochat，一个极简的 LLM 训练框架，只需约 48 美元就能训练出 GPT-2 级别的模型，涵盖预训练、微调和强化学习全流程，代码量极少且完全透明。
A compilation of Andrej Karpathy's recent tweets covering a minimal GPT implementation, vibe coding an iOS app, and a detailed comparison of GPT-4.5 with earlier models, offering insights into AI testing and scaling.
Andrej Karpathy使用Opus 5进行实验，给它《指环王》的第一段和100万token的预算，让其创建故事的3D JS渲染，突显了LLM在超定制世界方面的耐力，同时指出了在多模态审计和游戏玩法方面的弱点。
讨论Andrej Karpathy将复杂技术讲清楚的能力，并引申到开发者关系（DevRel）的重要性，强调在AI时代这种能力愈发关键。同时分享了一位DevRel从业者的经历和感悟。
一个单一的 CLAUDE.md 文件为 Claude Code 提供了结构化的行为指南，源自 Andrej Karpathy 对常见 LLM 编码陷阱的观察，已获得 192k GitHub 星标。它旨在防止过度工程化、减少错误假设，并在 AI 生成的代码中贯彻简洁。
两个香港学生通过在原自动研究框架外再套一层循环，实现了5倍加速，无需更优模型或更多算力，被认为是对普通Agent开发者最有用的论文之一。
文章详细解析了Karpathy提出的llm-wiki方法：利用LLM将个人收集的原始资料编译成相互链接的维基页面，用户只管阅读和提问，不手动编辑。作者对比了RAG的局限，并提供了30分钟搭建教程，强调了schema文件对系统纪律性的关键作用。
作者使用Claude和AutoResearch等工具实验自我改进AI循环，表明递归自我改进不仅限于前沿实验室，还可以自动化新闻通讯的杂务。
介绍Karpathy Loop概念，让AI自动执行实验循环，用户无需实时交互，从而将工作效率提升10倍。
解释了Karpathy的reader3方法，该方法利用LLM作为私人导师，帮助读者逐章主动阅读，通过总结、问答和笔记，将被动阅读转化为持久理解。
红杉 AI 大会上，Karpathy 用近 30 分钟深入分享了编程范式的剧变，包括软件 1.0/2.0/3.0 框架、vibe coding、参差智能等概念，并给创始人提供了实操建议。