欢迎来到 Learn AutoResearch

Learn AutoResearch 是一门基于项目的课程，教你用 autoresearch 框架实现研究自动化——它是 Karpathy 自主 ML 训练循环的泛化版本，适用于任何有可测量指标的领域。

"设定目标 → Agent 运行循环 → 你醒来看结果"

你将学到什么

• 定义可测量的研究目标 — 把模糊的目标转化为 agent 能自动优化的机械指标。
• 运行自主改进循环 — 每次迭代只做一个改变，自动回滚，git 作为实验记忆。
• 科学调试 — 可证伪的假设，基于证据的调查，错误归零自动停止。
• 行动前预判 — 5 位专家视角在提交任何重大改变前进行分析。
• 自主安全审计 — STRIDE + OWASP + 红队分析，带代码级证据。
• 自信地发布 — 覆盖代码、内容、部署的 8 阶段发布流水线。

开始学习

讲义

12 讲，从第一原理（为什么手动迭代会失败）到高级的过夜运行和 CI/CD 集成。

项目

六个动手项目，每个都有起始代码和参考答案，逐步构建到完整的端到端流水线。

资料库

即拿即用的模板：research.md、evaluate.py、results.tsv，以及 15 个领域的指标速查表。

核心循环

每个 autoresearch 命令都建立在相同的五阶段循环上：

课程结构

课程分为 6 个阶段，每阶段包含 2 讲和 1 个动手项目：

阶段	主题	讲次	项目
1	理解原理	L01–L02	排序优化
2	掌握核心循环	L03–L04	函数拟合
3	调试与修复	L05–L06	FastAPI 调试
4	多视角与预测	L07–L08	架构辩论
5	安全与场景探索	L09–L10	安全审计流水线
6	发布与高级模式	L11–L12	端到端研究

下一步

• 第一讲：为什么手动迭代会失败 — 从 Karpathy 的原始洞见开始。
• 项目一：你的第一个研究循环 — 亲手运行排序优化案例。
• 模板 — 获取可在你自己项目中使用的 research.md 和 evaluate.py 模板。