用户仅需编写 `program.md` 指令，AI 代理（如 Claude Codex）自动修改 `train.py`，训练 5 分钟，依据验证损失（val_bpb）决定保留或丢弃，然后借助 git 回滚并重复循环，最终输出实验日志和优化后的模型。
为拥有单GPU的AI研究人员与独立开发者解决手动调参实验重复耗时、无法充分利用夜间算力，通过karpathy/autoresearch 开源项目（代码 + 文档）提供价值，主要依靠目前免费；假设未来可能通过托管服务或企业支持收费赚钱
通过 AI 代理自动循环实验，一夜可跑约 100 次，保留最优模型，大幅提升调参效率
研究分 66
用户仅需编写 `program.md` 指令，AI 代理（如 Claude Codex）自动修改 `train.py`，训练 5 分钟，依据验证损失（val_bpb）决定保留或丢弃，然后借助 git 回滚并重复循环，最终输出实验日志和优化后的模型。
为拥有单GPU的AI研究人员与独立开发者解决手动调参实验重复耗时、无法充分利用夜间算力，通过karpathy/autoresearch 开源项目（代码 + 文档）提供价值，主要依靠目前免费；假设未来可能通过托管服务或企业支持收费赚钱
Business Model Canvas · 9 大模块完整填涂
手动调参耗时是明确的痛点，但目标用户范围较窄（需有单GPU且懂AI训练），且已有其他自动化工具（如Optuna）竞争。
项目完全开源免费，无收费线索；独立开发者支付意愿低，但若提供托管服务或企业支持可能收费，目前仅为假设。
AI 代理自主实验、自动化调参是当前热门方向，Karpathy 个人影响力放大热度，Hacker News 讨论和社区 fork 印证趋势。
GitHub 星标 9.2万 表明广泛关注，但 star 可能来自好奇而非实际使用；fork 数 1.3万 说明部分人尝试修改，但 issue 数 196 显示活跃度一般。
项目设计简洁（三个核心文件），依赖少，Karpathy 个人能力强，社区 fork 已扩展平台；但依赖 AI 代理质量（如 Claude Codex），且需一定技术背景。
中国独立开发者有大量 GPU 资源（如 RTX 4090），但官方仅支持 H100，需要社区 fork 适配；文档和社区以英文为主，可能增加使用门槛；痛点存在但竞争工具多。
关键能力
AI 辅助分析，仅供项目研究参考，不构成投资建议。