Karpathy 代理机器学习工程师
基于 Claude Agent SDK 和 Google ADK 的自动化机器学习代理，利用 Scientific Agent Skills 训练 SOTA 模型。
证据显示：README 要求用户提供 OPENROUTER_API_KEY 并复制到 sandbox，但未说明最小权限原则；start.py 会自动创建 sandbox 并复制 .env，但未提供用户确认机制；数据流透明度有限，仅说明输出在 sandbox 目录；敏感数据处理未明确说明；依赖项较多但未提供安全审计；外部影响包括启动 web 界面和创建目录，但未说明回滚机制；来源归属明确（MIT 许可，版权归 K-Dense）。扣分原因：缺少用户确认、回滚机制，敏感数据处理和依赖安全证据不足。
证据显示：README 与 pyproject.toml 描述一致，均为 agentic ML Engineer；依赖项版本固定，但未提供锁定文件；失败消息未在文档中说明。扣分原因：依赖可用性未验证，失败消息缺失。
证据显示：目标受众为 ML 工程师和研究人员，场景明确；能力边界部分说明（训练 ML 模型），但未详细说明限制；触发条件为手动启动 start.py，精度一般；环境要求明确（Python 3.13, uv, Claude Code）。扣分原因：能力边界和触发精度描述不足。
证据显示：README 结构清晰，包含安装、快速开始、手动使用等；安装说明详细；命名稳定（karpathy）；示例较少，无 FAQ；已知限制仅提及非官方关联；MIT 许可明确；版本号 0.1.0，但无 changelog；维护责任未明确。扣分原因：示例和 FAQ 不足，无 changelog，维护责任不明确。
证据显示：输出为 sandbox 目录中的文件，可用性一般；边际价值在于提供 agentic ML 工作流，但依赖外部服务；成本效益未说明。扣分原因：输出可用性未验证，成本效益无证据。
证据显示：README 中的声明（如支持 Cursor 等）未提供证据；无独立来源验证；事实与推断未明确区分。扣分原因：声明缺乏可追溯性，无交叉验证。
- 该仓库未提供用户确认机制，自动复制 .env 文件可能带来安全风险。
- 依赖项较多且未提供安全审计，建议用户自行检查依赖安全性。
- 未提供回滚机制，若 agent 操作出错可能难以恢复。
- README 中的声明（如支持多种工具）未经验证，建议用户谨慎依赖。
这个 Agent 能做什么，适合哪些场景？
Karpathy 是一个代理机器学习工程师，使用 Claude Agent SDK 和 Google ADK 构建，旨在自动训练机器学习模型。它利用 Scientific Agent Skills 集合（130+ 技能）提供专业的 ML 工作流。启动脚本 `start.py` 创建沙盒环境，包含预装的 ML 包（PyTorch、transformers 等）和科学技能，并启动 ADK Web 界面（localhost:8000），用户可选择 karpathy 代理进行交互。此实现是简单的示例，展示 Scientific Agent Skills 在 ML 领域的应用。项目不隶属于 Andrej Karpathy，命名仅为致敬。
Karpathy 通过 start.py 设置沙盒环境，复制 .env 配置（需 OPENROUTER_API_KEY），克隆 Scientific Agent Skills 技能到沙盒，并启动 ADK Web 界面。用户在浏览器中访问 http://localhost:8000，选择 karpathy 代理，即可通过对话会话发起 ML 训练任务。代理使用沙盒中的环境和技能，处理用户放入的文件（数据集、脚本），运行训练并输出结果到 sandbox 目录。也可手动运行 python -m karpathy.utils 设置沙盒或 adk web 启动界面。
- 数据科学家希望快速试验 AutoML 方法，使用代理自动训练模型。
- 研究人员需要利用可复现的 Agent Skills 工作流进行科学分析，集成到现有环境。
- 开发者想用 ADK 构建自己的代理，参考 Karpathy 作为示例。
- 团队希望训练基于 OpenRouter 提供多种模型（如 GPT、Claude）的模型，通过配置 AGENT_MODEL。
- 教育用途：演示如何将 Claude Agent SDK 和 Google ADK 结合用于机器学习。
这个 Agent 有哪些优点和局限？
- 利用 Scientific Agent Skills 提供 130+ 经过验证的科学技能，节省时间。
- 自动设置沙盒环境，包含常用 ML 库（PyTorch、transformers），减少配置麻烦。
- 与 ADK 代理框架集成，提供 Web 界面进行交互，易于使用。
- 演示了 Claude Agent SDK 与 Google ADK 的集成，可作为学习示例。
- 需要 OPENROUTER_API_KEY，依赖外部 API 服务，可能产生费用。
- 代理功能有限，是简单实现，复杂 ML 工作流需使用 K-Dense 网页平台。
- 依赖特定技术栈（Python 3.13、uv、Claude Code），增加安装门槛。
- 项目声明不隶属 Andrej Karpathy，命名可能引起误解。
如何安装或部署这个 Agent？
克隆仓库：git clone https://github.com/K-Dense-AI/karpathy.git。进入目录，使用 uv 安装依赖：uv sync。创建 .env 文件，设置 OPENROUTER_API_KEY 和 AGENT_MODEL（模型名称）。需安装 Python 3.13+ 和 uv，且 Claude Code 已安装认证。
如何使用这个 Agent？
运行 python start.py，它会创建沙盒并启动 ADK Web 界面。浏览器打开 http://localhost:8000，选择 karpathy 代理，开始对话。如需手动操作：先运行 python -m karpathy.utils 设置沙盒，再运行 adk web 启动界面。将数据集等文件放入 sandbox 目录供代理使用。