一个人的AI实验室：24小时不停机的研究循环

快速阅读：一位独立开发者搭建了全天候运行的AI Agent团队，基于Karpathy的Autoresearch框架进行持续实验和产品迭代。这套系统即将迁移到本地模型，实现零成本运转。

Alex Finn在推特上分享了他的实践：多个AI Agent全天候运行实验，测试系统提示词、本地模型和LoRA微调。更有意思的是，这些Agent会围绕他的新项目展开讨论，提出创意，互相辩论。

一个人，拥有了一整个自主运行的组织。

他现在用的是ChatGPT 5.4，但很快会切换到跑在三台Mac Studio和DGX Spark上的本地模型。届时，这一切都将免费。

十岁的他大概会觉得这是科幻小说。

有观点认为，真正的差距在于24/7运行。两个月持续实验的积累，顶得上小团队一年的工作量。但问题也随之而来：如何验证这些结果不只是Agent之间的互相认同？

Chen Avnery指出了更深层的挑战：教会Agent什么时候停止探索。没有收敛信号，它们会在不重要的指标上无限优化。决定“够好了，可以发布”的评估层，比研究循环本身更难构建。

Lorenzo提出质疑：Karpathy的Autoresearch本质上是在单一文件上优化单一指标，训练循环只有5分钟。把它延伸成“Agent辩论产品创意”是完全不同的东西。这个框架之所以有效，正因为它足够狭窄。

Greg的评论更直接：别急着叫它超级智能，那就是台跑30B模型的Mac Studio。真正的洞见在于把自动研究循环应用到商业问题上，而不仅仅是模型训练。

有网友提到，个人杠杆作用已经到了离谱的地步。五年前这样的研究配置需要一个团队和预算，现在一个人一个周末就能搞定。

技术栈的平民化正在发生。成本骤降的速度，超出了大多数人的认知更新速度。那些还在犹豫要不要动手的人，可能很快就会后悔。

ref: x.com/AlexFinn/status/2035039280842916325

#AI创造营##人工智能#