准备环境：你需要什么

在开始之前，先确认你的电脑满足以下条件：

• 一台有 GPU（显卡）的电脑。GPU 是专门做大量并行计算的硬件，训练 AI 模型就靠它。常见的有 NVIDIA 的 H100、A100、4090 等。如果没有，也可以用云服务租用。
• 安装好 Python（版本 3.8 以上）。Python 是一种编程语言，AI 工具大多用它编写。去 python.org 下载安装包，安装时记得勾选“Add Python to PATH”。
• 安装 Git，用来下载代码。从 git-scm.com 下载安装，一路默认即可。

安装步骤：一步步来

1. 打开终端（Windows 搜索“命令提示符”或“PowerShell”，Mac 搜索“终端”）。
2. 下载 autoresearch 项目：在终端输入 git clone https://github.com/karpathy/autoresearch.git，回车。这会把代码复制到你的电脑上。
3. 进入项目文件夹：输入 cd autoresearch。
4. 安装依赖：输入 pip install -r requirements.txt。这会自动安装项目需要的 Python 包，比如 PyTorch（一个 AI 框架，帮你轻松搭建神经网络）。
5. 检查 GPU 是否可用：输入 python -c "import torch; print(torch.cuda.is_available())"。如果输出 True，说明 GPU 正常；如果 False，可能需要安装 CUDA（NVIDIA 的 GPU 驱动工具），或者你的电脑没有兼容的 GPU。

运行你的第一个实验

项目内置了一个示例，你可以直接运行看看效果：

1. 在终端输入 python run.py，开始运行。这个命令会启动一个 AI 智能体（一个能自动执行任务的程序），它会不断尝试修改训练代码、运行训练、查看结果，并决定是否保留修改。
2. 你会看到终端不断输出信息，比如“Experiment 1: loss 4.2 -> 4.1, keep change”。这表示智能体在尝试调优。
3. 默认运行 12 次实验（约 1 小时），你也可以修改 run.py 里的参数来延长。如果想提前停止，按 Ctrl+C。
4. 实验结束后，结果会保存在 results.json 文件中，你可以用记事本打开查看。

常见问题与下一步

• “pip 不是内部命令”：说明 Python 没有添加到 PATH，重装 Python 并勾选相应选项。
• “CUDA 不可用”：如果你的显卡是 NVIDIA，去官网下载 CUDA Toolkit 安装；如果是 AMD 或 Intel 显卡，暂时不支持。
• 运行很慢：这是正常的，因为真的在训练模型。可以调小 train.py 里的 max_iters 参数（比如改为 100）来加速。
• 下一步：你可以修改 program.md 文件，给智能体写更详细的规则，让它尝试更多创意。比如告诉它“尝试不同的学习率”，它就会自动去试。