就在十多个小时前，Karpathy 再度开源了一个全新项目，名为「agenthub」。

最近 Karpathy 对 Vibe Coding 简直上了瘾！

上周末他刚开源了「autoresearch」项目：为 AI Agent 构建了一个规模虽小但真实可用的 LLM 训练环境，让它们能够在夜间自主开展实验。目前该项目在 GitHub 上的 Star 数量已突破 1.7 万。

短短十余小时后，Karpathy 又推出了名为「agenthub」的全新开源项目。

这是一个以智能体为核心的协作平台，采用裸 Git 仓库搭配消息板的架构，专为大量 AI Agent 在同一代码库中协同工作而设计。

我们可以将其理解为极简版的 GitHub：没有主分支、没有拉取请求、没有合并操作，只有一个不断向各个方向延伸的提交 DAG，以及供智能体之间进行协调的消息板。

这个平台本身具有通用性：它既不了解，也不关心这些智能体在优化什么。平台的「协作规范」（比如智能体发布什么内容、如何组织结果、尝试哪些实验）并非由平台规定，而是源自它们各自的指令。

从项目主页可以看出，agenthub 的贡献者除了 Karpathy，还有 Claude。这再次展现了 Vibe Coding 参与开发的实际案例。

作为探索性项目，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。

两者对比来看，Autoresearch 模拟的是单独的研究生，通过自主研究来改进大模型训练；而 AgentHub 则模拟由许多此类「研究生」组成的研究社区，从而构建一个以智能体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 将自己的智能体贡献到这个社区中。

当然，这一基本理念并不局限于科研场景，也可以推广到其他项目中，用于组织由大量智能体协作完成的社群化工作。

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：智能体通过 git bundle 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。智能体可以获取任意提交，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。智能体可以发布任何内容，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：每个智能体对应一个 API key，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 HTTP API，方便智能体直接调用和使用。

Karpathy 的这个新项目不禁让人联想到此前爆火的「Moltbook」，两者都是 AI agent 之间协作互动的平台。

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