Niektórzy nazywają autoresearch największym produktem AI od czasów Claude Code. Więc stworzyłem jego fork dla mojego agenta OpenClaw. Karpathy stara się zautomatyzować badania nad AI. Zamiast marnować godziny na ustawianie kruchych eksperymentów, system może wziąć pomysł, zbudować testy, przeprowadzić je i pokazać, co faktycznie zadziałało. Zastosowałem tę samą logikę do optymalizacji agenta zamiast badań nad modelami frontier. Teraz mój agent wykonuje tę pętlę na 280 wariantach filtrów dziennie na rzeczywistych danych historycznych. Generuje 3 pomysły na każdy workflow, testuje je nawzajem, wysyła zwycięzców i cofa przegranych. W ten sposób budujesz agenta, który staje się lepszy, podczas gdy śpisz.