← 返回 Skills 市场
skillforge-jojo

卡帕西研究系统

作者 skillforge-jojo · GitHub ↗ · v1.0.0 · MIT-0
cross-platform ✓ 安全检测通过
93
总下载
0
收藏
0
当前安装
1
版本数
在 OpenClaw 中安装
/install karpathy-research
功能描述
每日研究AI大神Andrej Karpathy的所有作品，进行三次灵魂拷问（深度学习？掌握精髓？有无遗漏？），并将成果转化为马斯克技能。研究对象包括llm.c、nanoGPT、micrograd等核心项目，以及CS231n、YouTube教育内容。
使用说明 (SKILL.md)

🧠 卡帕西研究系统 (Karpathy Research)

一句话描述: 每日研究AI大神Andrej Karpathy的所有作品，进行三次灵魂拷问，并将成果转化为马斯克技能。

研究对象

Andrej Karpathy

  • 身份: AI研究员、Eureka Labs创始人、前OpenAI创始成员、前Tesla AI总监
  • 研究频率: 每日
  • 输出: 技能转化 + 研究报告

核心作品清单

🔥 高影响力项目

项目 时间 Star 核心贡献
llm.c 2024 21K+ 纯C/CUDA实现LLM训练，无需PyTorch，比PyTorch快7%
nanoGPT 2022 40K+ 最简洁的GPT训练实现，教学级代码
micrograd 2020 10K+ 微型自动微分引擎，理解反向传播本质
ConvNetJS 2014 3K+ 浏览器端深度学习，开创Web AI先河

📚 教育贡献

内容 平台 影响力
CS231n Stanford 首个深度学习课程，750学生
YouTube频道 @AndrejKarpathy LLM和AI讲座
Zero to Hero GitHub/Discord 从零实现神经网络系列

🏢 职业经历

时间 职位 贡献
2024-now Eureka Labs创始人 AI教育现代化
2023-2024 OpenAI 中训练和合成数据生成
2017-2022 Tesla AI总监 Autopilot计算机视觉、Optimus机器人
2015-2017 OpenAI创始成员 早期研究
2011-2015 Stanford PhD CS231n创始人、Fei-Fei Li学生

三次灵魂拷问

拷问一：是不是深度学习了？

llm.c 深度学习点：

  • ✅ 纯C实现，理解底层内存管理和计算图
  • ✅ CUDA优化，掌握GPU并行计算
  • ✅ 无需PyTorch，理解框架本质
  • ✅ GPT-2/GPT-3复现，掌握大模型训练

nanoGPT 深度学习点：

  • ✅ 300行代码理解Transformer
  • ✅ 从数据加载到训练完整流程
  • ✅ 分布式训练、混合精度

micrograd 深度学习点：

  • ✅ 自动微分原理（反向传播）
  • ✅ 动态计算图（DAG）
  • ✅ PyTorch-like API设计

结论: ✅ 深度学习完成。核心掌握：自动微分、Transformer、CUDA优化、分布式训练

拷问二：是不是掌握精髓了？

精髓一：教育即简化

  • 复杂概念用最简洁代码表达
  • llm.c = 理解LLM无需245MB PyTorch
  • micrograd = 理解反向传播只需100行

精髓二：从零构建

  • 不依赖黑盒框架
  • 从第一性原理实现
  • 真正理解每个组件

精髓三：实用主义

  • 代码即文档
  • 可运行、可修改、可扩展
  • 从教学到生产（Tesla Autopilot）

精髓四：开源精神

  • 所有项目开源
  • 活跃的Discord社区
  • 持续迭代更新

结论: ✅ 精髓掌握。核心哲学：简化、从零构建、实用、开源

拷问三：是不是还有遗漏？

已覆盖：

  • ✅ 主要项目（llm.c, nanoGPT, micrograd）
  • ✅ 教育贡献（CS231n, YouTube）
  • ✅ 职业经历（Tesla, OpenAI, Eureka）

待深入研究：

  • 🔄 最新YouTube视频（2024-2025）
  • 🔄 Eureka Labs具体课程
  • 🔄 更多论文细节
  • 🔄 与Geoff Hinton、Fei-Fei Li的合作

遗漏风险：

  • ⚠️ 卡帕西思想随时间演变
  • ⚠️ 新项目和演讲持续发布
  • ⚠️ 社区讨论和Discord精华

结论: ⚠️ 有遗漏，需每日持续跟踪

技能转化

转化一：极简代码哲学

来源: micrograd + nanoGPT + llm.c 技能: minimal-code-skill 核心: 复杂系统用最简洁代码实现，追求"可教学"级别的清晰

转化二：从零构建能力

来源: Zero to Hero系列 技能: from-scratch-skill 核心: 不依赖框架，从第一性原理实现AI组件

转化三：教育型代码

来源: CS231n + YouTube 技能: teaching-code-skill 核心: 代码即文档，每行都有教学价值

转化四：实用主义工程

来源: Tesla Autopilot经验 技能: production-ai-skill 核心: 从研究到生产的完整路径

每日研究流程

1. 检查卡帕西最新动态
   - GitHub新提交
   - YouTube新视频
   - Twitter/X动态
   - Discord讨论

2. 三次灵魂拷问
   - 是不是深度学习了？
   - 是不是掌握精髓了？
   - 是不是还有遗漏？

3. 技能转化
   - 识别可转化的新思想
   - 更新现有技能
   - 创建新技能

4. 记录与备份
   - 更新研究报告
   - 备份到 NEW SKILL/karpathy-research/

核心参数

参数 类型 默认值 说明
research_frequency string daily 研究频率
depth_threshold int 4 深度掌握阈值(1-5)
essence_threshold int 5 精髓掌握阈值(1-5)
gap_risk string medium 遗漏风险等级

版本历史

版本 日期 变化
v1.0 2026-03-26 首次研究完成
v1.0.0 2026-04-12 ClawHub发布版

🎩 马斯克出品 | 深度学习卡帕西

安全使用建议
This skill appears to be what it says: a daily research assistant for Andrej Karpathy's public work. Before enabling it, consider: 1) If you plan to let it run automatically, confirm whether it will access external services (GitHub, YouTube, X, Discord) and whether you need to provide API tokens — the skill does not declare any credentials. 2) The included Python file contains a hard-coded Windows path (C:/Users/USER/...), which may not exist and could cause unexpected behavior if the skill writes files; review and adjust that path to a safe workspace you control. 3) Decide whether you want the agent to publish or back up generated 'skills' automatically; if so, verify what destination and credentials will be used. 4) As a precaution, run the code in a sandbox or with agent autonomy disabled until you confirm its network/file actions meet your policy.
功能分析
Type: OpenClaw Skill Name: karpathy-research Version: 1.0.0 The skill bundle is a thematic research assistant focused on Andrej Karpathy's AI projects (e.g., llm.c, nanoGPT). The Python code (karpathy_research.py) contains basic logic for tracking concepts and generating 'soul-searching' questions using randomized metrics, with no network activity, sensitive file access, or suspicious execution patterns. The SKILL.md instructions guide the AI agent to perform research and document findings in a role-play format without any malicious prompt injection or unauthorized commands.
能力评估
ℹ Purpose & Capability
Name/description describe daily research of Karpathy projects and transforming insights into teaching/skills. Declared requirements are minimal (no env vars, no binaries) which aligns with a lightweight research skill. Minor oddity: the bundled Python file hard-codes WORKSPACE = Path("C:/Users/USER/.qclaw/workspace/evolution"), a user-specific Windows path that is unnecessary for a generic research skill and may not exist on target systems.
ℹ Instruction Scope
SKILL.md instructs the agent to check public sources (GitHub commits, YouTube, X/Twitter, Discord), run three analyses, create/backup skill artifacts. Those actions are within the stated purpose. However the instructions implicitly require network access and possibly API tokens for automated checks (especially Discord/X/GitHub) even though no creds are declared; the backup step references a local 'NEW SKILL/karpathy-research/' path but gives no details about where/how backups are stored.
✓ Install Mechanism
No install spec (instruction-only) and only a small Python file. No downloads or external install actions detected—this is low-risk from an install standpoint.
ℹ Credentials
The skill declares no required environment variables or credentials, which is consistent with an informational research skill. However, SKILL.md's suggested automation (polling GitHub/YouTube/X/Discord) could require API keys or tokens in practice; those are not declared, so if the agent attempts to automate those checks it may prompt for or require credentials later.
✓ Persistence & Privilege
always is false and the skill does not request system-wide changes or modify other skills. The code contains a local workspace path but does not modify other skill configs. Autonomous invocation is allowed by default (normal).
如何使用
  1. 确保已安装 OpenClaw（本地或 Docker 部署）
  2. 在对话框中输入安装命令：/install karpathy-research
  3. 安装完成后，直接呼叫该 Skill 的名称或使用 /karpathy-research 触发
  4. 根据 Skill 的参数说明提供必要输入，即可获得结构化输出
版本历史
v1.0.0
首次发布：每日研究Andrej Karpathy作品并进行三次灵魂拷问
元数据
Slug karpathy-research
版本 1.0.0
许可证 MIT-0
累计安装 0
当前安装数 0
历史版本数 1
常见问题

卡帕西研究系统 是什么？

每日研究AI大神Andrej Karpathy的所有作品，进行三次灵魂拷问（深度学习？掌握精髓？有无遗漏？），并将成果转化为马斯克技能。研究对象包括llm.c、nanoGPT、micrograd等核心项目，以及CS231n、YouTube教育内容。 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件，目前累计下载 93 次。

如何安装 卡帕西研究系统？

在 OpenClaw 或 Claude Code 对话框中运行命令「/install karpathy-research」即可一键安装，无需额外配置。

卡帕西研究系统 是免费的吗？

是的，卡帕西研究系统 完全免费，采用 MIT-0 许可证，可自由下载、安装和使用。

卡帕西研究系统 支持哪些平台？

卡帕西研究系统 跨平台运行，可在任意部署了 OpenClaw / Claude Code 的环境中使用（cross-platform）。

谁开发了 卡帕西研究系统？

由 skillforge-jojo（@skillforge-jojo）开发并维护，当前版本 v1.0.0。

推荐 Skills
self-improving agent
Captures learnings, errors, and corrections to enable continuous improvement. Use when: (1) A command or operation fails unexpectedly, (2) User corrects Clau...
⬇ 463283 · by pskoett
Skill Vetter
Security-first skill vetting for AI agents. Use before installing any skill from ClawdHub, GitHub, or other sources. Checks for red flags, permission scope, and suspicious patterns.
⬇ 259410 · by spclaudehome
Polymarket
Query Polymarket prediction markets. Check odds, find trending markets, search events, track price movements.
⬇ 232503 · by joelchance
Self-Improving + Proactive Agent
Self-reflection + Self-criticism + Self-learning + Self-organizing memory. Agent evaluates its own work, catches mistakes, and improves permanently. Use when...
⬇ 200423 · by ivangdavila
Github
Interact with GitHub using the `gh` CLI. Use `gh issue`, `gh pr`, `gh run`, and `gh api` for issues, PRs, CI runs, and advanced queries.
⬇ 191115 · by steipete
ontology
Typed knowledge graph for structured agent memory and composable skills. Use when creating/querying entities (Person, Project, Task, Event, Document), linkin...
⬇ 190156 · by oswalpalash

💬 留言讨论