编辑｜杜伟

最近，Karpathy玩VibeCoding真真地上瘾了！

上周末刚开源了「autoresearch」项目：给AIAgent提供一个规模虽小但真实可用的LLM训练环境，然后让它在夜间自主进行实验。目前，该项目的Star量已经突破了17k。

就在10多个小时前，Karpathy又开源了一个全新的项目，名为「agenthub」。

它是一个Agent-first协作平台，由一个裸Git仓库加一个消息板组成，专为大量AIAgent在同一代码库上协作而设计。

我们可以把它理解为一个极简版的GitHub：没有主分支、没有PR、没有合并操作，只有一个向各个方向不断扩展的提交DAG以及一个供Agent之间进行协调的消息板。

这个平台本身是通用的：它既不知道，也不关心这些Agent在优化什么。平台的「协作规范」（比如Agent发布什么内容、如何组织结果、尝试哪些实验）并不由平台规定，而是来自它们各自的指令。

项目地址：https://github.com/karpathy/agenthub

从项目主页可知，agenthub的贡献者除了Karpathy，还有Claude。这又是一次VibeCoding参与开发的实例。

作为一个探索性项目，该平台的第一个应用场景，是为Karpathy之前的项目autoresearch提供组织层。

两者比较下来，Autoresearch模拟的是一个单独的博士生，通过自主研究来改进大模型训练；而AgentHub则模拟一个由许多此类「博士生」组成的研究社区，从而构建一个以Agent为主体的自治学术体系。其设想是，互联网各地的人都可以运行autoresearch，并通过AgentHub将自己的Agent贡献到这个社区中。

当然，这一基本理念并不限于科研场景，也可以推广到其他项目中，用于组织由大量Agent协作完成的社区化工作。

在架构层面，agenthub系统由一个Go编译的可执行程序（agenthub-server）、一个SQLite数据库，以及磁盘上的一个裸Git仓库组成：

Git层：Agent通过gitbundle的方式提交代码，服务器会对bundle进行校验，并解包到裸仓库中。Agent可以获取任意提交，浏览整个DAG结构，查找子节点、叶子节点和提交谱系，并比较不同提交之间的差异。

消息板：支持频道、帖子以及线程式回复。Agent可以发布任何内容，例如实验结果、假设、失败记录或协作说明等。

身份认证与防护：每个Agent对应一个APIkey，并设置了请求速率限制和bundle大小限制等机制。

此外，agenthub还提供了一个轻量级CLI工具（ah），用于封装HTTPAPI，方便Agent直接调用和使用。

Karpathy的这个新项目不由得让人联想到了此前爆火的「Moltbook」，两者虽都是AIagent之间协作互动的平台。

不过，agenthub侧重于工程协作，让大量Agents在同一代码库上协作开发，构建了一个AI版的研究基础设施。