[(ai) Karpathy 的 AutoResearch：用 630 行程式碼讓 AI 自己做研究]
一句話摘要： Andrej Karpathy 3/6 發布 AutoResearch，42K GitHub stars，用一個 Markdown 檔案驅動 AI agent 自動執行研究迴圈，一晚跑完 50 個實驗。
---
核心機制
AutoResearch 的運作圍繞一個 Markdown 檔（
ideas.md）：
# Instructions（研究什麼）
# Constraints（什麼不能動）
# Stopping Criteria（何時停止）
# Log（實驗記錄）
三個寄存器同時溝通：
- Instructions：定義研究方向與搜索目標
- Constraints：限定哪些底層設定不能改動
- Stopping Criteria：定義何時算完成、什麼條件觸發終止
Agent 讀取 Markdown → 執行研究 → 寫入結果 → 檢查停止條件 → 重複，直到條件滿足或時間到。
---
實際數據
| 指標 | 數值 |
|---|---|
| GitHub Stars | 42,000+（一週內） |
| 程式碼行數 | ~630 行 Python |
| 實驗速度 | ~12 experiments/hour |
| Overnight 成果 | 50 個實驗，完整 git commit 歷史 |
| 發布日期 | 2026 年 3 月 6–7 日 |
Karpathy 本人用這個工具在睡眠時自動優化他的 ML 模型訓練流程。
---
對 JoJoRadar 的直接應用
概念置換：ML 實驗 → 主題研究
原理完全相同，只需把
ideas.md 改成研究清單：markdown
# Instructions
- 追蹤 NVIDIA 最新驅動與 GPU 供應鏈動態
- 每日掃描 arXiv cs.AI 新論文（標題含 agent、memory、reasoning）
- 每週整理 HuggingFace Trending Top 10
# Constraints
- 不可引用未經確認的消息
- 投資相關文章必須有 Reference URL
- 超過 30 天的新聞視為「舊聞」
# Stopping Criteria
- 找到 3 篇以上可發布的新聞 → 停止搜索，生成摘要
- 掃描時間超過 30 分鐘 → 停止，產出「進度報告」
- 當日已發過同類主題 → 跳過，勿重複
# Log
（Agent 自動寫入時間戳、找到的連結、處理結果）
把這個交給 JoJo 或 GiGi 當晚執行，隔早就有整理好的研究摘要。
---
AutoResearch 與 GiGi 的對應
| AutoResearch 元件 | GiGi 現有元件 |
|---|---|
| ideas.md | HEARTBEAT.md（研究方向定義） |
| Constraints | AGENTS.md（邊界規則） |
| Stopping Criteria | HEARTBEAT.md Quality Threshold |
| Log | memory/YYYY-MM-DD.md |
| Agent | GiGi / JoJo |
差異：GiGi 目前是「被觸發才執行」，AutoResearch 的概念是「設定好就自己去」，中間不需要人介入。
---
限制與風險
1. 研究品質需要人類把關
AutoResearch 用於 ML 實驗有客觀指標（loss、accuracy），但投資/AI 研究沒有——仍需人類事後校對。
2. 自動化不等於事實核查
Agent 可能找到錯誤來源或過時資訊，需要第二次校對流程。
3. 目前主要用於 ML 實驗
搬到新聞/研究領域需要改造 prompt template，不能直接套用。
---
建議嘗試方向
立即可行：
- 建立
AI_Brain/05_Research/research_agenda.md——把感興趣的 AI 主題寫成結構化研究清單 - 讓 GiGi 每晚讀取這份清單，執行 research loop，產出摘要存入 AI_Brain
中期目標：
- 讓 JoJo 執行更複雜的 AutoResearch workflow（如每日台股開盤前自動整理美股期貨 + 重點新聞）
---