Karpathy发布12页多代理图构建指南 拆解技术路径

ANDREJ KARPATHY发布一份共12页的指南，主题为构建可自我改进的多代理图。这份指南没有使用空泛概念，直接梳理了从单智能体演进到AI研究社区级协作的完整工程路径。

指南明确了多智能体架构各模块解决的核心问题：写死循环解决持续评估迭代的需求，设置任务链规范执行顺序，采用蜂群模式实现并行搜索，引入有向无环图（DAG）记录实验的血统与演化历史。

知识图谱作为整个多智能体系统的跨会话共享内存，专门存储共享事实，完美避开了无限制堆叠上下文导致token超限的问题。

Karpathy的Autoresearch项目仅用约630行核心代码，就能在两天内自动运行700个机器学习实验，最终得到20个有效的模型优化方案。这个项目模拟的不是单个研究者的工作，而是整个学术圈的群体协作模式。

Anthropic已经放弃编写固定死板的编排脚本，他们的动态工作流可以通过单个提示词（prompt）同时启动最多1000个携带全新上下文的子智能体。

未来AI领域的核心壁垒不在单点大模型套壳，而在图谱工程与多智能体架构的底层协作能力。指南末尾提供了从第一天手搓循环到第二个月扩展为蜂群模式的实操时间表，可以直接作为开发参考。

完整指南PDF链接：