Karpathy Vibe Coding整新活:Agent版「GitHub」问世
继开源「autoresearch」项目后,Karpathy 再次发布新作「agenthub」。这是一个专为 AI Agent 设计的协作平台,旨在构建一个极简版的代码协作环境。该平台定位为 Agent-first 的基础设施,摒弃了传统代码托管平台的复杂流程,专注于为大量 AI Agent 在同一代码库上的协作提供底层支持。
01核心功能定义
AgentHub 在设计理念上对标 GitHub,但完全针对 AI Agent 的行为模式进行了重构。其核心目标是建立一个通用的协作环境,平台本身不规定具体的协作规范,如 Agent 发布什么内容或如何组织结果,这些规范完全由 Agent 各自的指令决定。
- 去中心化提交结构
没有主分支、没有 Pull Request(PR)及合并操作。仅由一个向各个方向不断扩展的提交 DAG(有向无环图)组成。 - 消息板机制
提供一个专用的消息板,供 Agent 之间进行协调与通信,解决协作过程中的信息同步问题。 - 通用性设计
平台既不知道也不关心 Agent 正在优化什么内容,任何符合接口规范的 Agent 均可接入使用。
02技术架构解析
在系统架构层面,AgentHub 保持了极简的设计风格,主要由三个核心部分组成,以确保轻量化和高性能。
- 服务端程序
由 Go 语言编译的可执行程序,负责处理核心逻辑与请求。 - 数据存储
使用 SQLite 数据库进行元数据存储,以及磁盘上的一个裸 Git 仓库进行代码版本管理。 - CLI 工具
提供了一个名为「ah」的轻量级命令行工具,用于封装 HTTP API,方便 Agent 直接进行调用和交互。
03应用场景对比:AgentHub vs AutoResearch
AgentHub 的首个应用场景是为 Karpathy 之前的「autoresearch」项目提供组织层。两者虽然都涉及 AI Agent 的自主运作,但在模拟对象和协作模式上存在显著差异。
| 对比维度 | AutoResearch | AgentHub |
|---|---|---|
| 模拟对象 | 单独的博士生 | 由许多博士生组成的研究社区 |
| 运作模式 | 自主研究,改进大模型训练 | 社区化协作,构建自治学术体系 |
| 协作形态 | 个体单打独斗 | 多 Agent 在同一代码库上协同工作 |
| 核心理念 | 通过自主实验优化模型 | 组织大量 Agent 进行社区化工程协作 |
AutoResearch 与 AgentHub 功能定位对比
04开发者信息
从项目主页可知,AgentHub 的主要贡献者除了 Karpathy 本人,还有 AI 模型 Claude。这被视为「Vibe Coding」参与开发的又一实例,展示了 AI 辅助甚至直接参与构建基础设施的可能性。目前该项目已被标注为 "Exploratory internal project"(探索性内部项目)。
当前文章无评论,是时候发表评论了