卡帕西

注意：如需更高级的功能和端到端的机器学习解决方案，请访问 www.k-dense.ai。

一位基于智能体的机器学习工程师，使用 Claude Code SDK 和 Google ADK 训练最先进的人工智能模型。这是一个非常简单的实现，展示了 Claude 科学技能在机器学习领域的强大能力。

前置条件

• Python 3.13 或更高版本
• uv 包管理器
• 已安装并认证的 Claude Code（请参阅 安装指南）

设置

1. 克隆仓库

git clone https://github.com/K-Dense-AI/karpathy.git
cd karpathy

2. 安装依赖

使用 uv 安装依赖：

uv sync

3. 环境变量

在 karpathy 目录下创建一个 .env 文件，并填写您的 API 密钥：

OPENROUTER_API_KEY=your_openrouter_api_key_here
AGENT_MODEL=your_model_name_here

OPENROUTER_API_KEY 是智能体正常运行所必需的。

该环境变量将被复制到 sandbox 目录中，以便智能体可以使用您在此处提供的任何 API 密钥。

快速入门

运行启动脚本以设置沙盒并启动 ADK Web 界面：

python start.py

此操作会自动完成以下步骤：

1. 创建包含 Claude 科学技能的 sandbox 目录。
2. 设置包含机器学习相关包（PyTorch、transformers、scikit-learn 等）的 Python 虚拟环境。
3. 将您的 .env 文件复制到沙盒中。
4. 启动 ADK Web 界面。
5. 在浏览器中访问 http://localhost:8000。
6. 在左上角的“选择智能体”中选择 karpathy。
7. 所有输出都将保存在 sandbox 目录中，请在与智能体交互时持续关注该目录。

注意：您希望智能体使用的任何文件（数据集、脚本等）都应手动添加到 sandbox 目录中。

社区

加入我们的 K-Dense Slack 社区，与其他用户交流想法并获得支持：

加入 K-Dense Slack 社区

Claude 科学技能

本仓库专为配合 Claude 科学技能 集合而设计，该集合包含可直接使用的科学工具和工作流（链接）。start.py 设置脚本会创建一个包含来自该集合科学技能的 sandbox，使 karpathy 智能体能够利用专业的机器学习库和科学工作流。有关这些技能的详细信息，请参阅上游仓库的 README 和文档 此处。

手动使用

若要不启动 Web 界面而仅设置沙盒：

python -m karpathy.utils

注意：您希望智能体使用的任何文件（数据集、脚本等）都应手动添加到 sandbox 目录中。

若要手动运行 ADK Web 界面：

adk web

然后在浏览器中访问 http://localhost:8000。

更强大的机器学习能力

如果您希望通过多智能体系统获得更加强大的机器学习能力，请注册 www.k-dense.ai。目前处于封闭测试阶段，预计将于 2025 年 12 月正式公开发布。

即将推出的功能

• 模态沙盒集成：您可以选择任何类型的计算资源。
• K-Dense Web 功能：根据用户的兴趣，我们可能会在此处提供部分 K-Dense Web 的功能。

星标历史

免责声明

本项目 并非 由 Andrej Karpathy 赞助或与其有任何关联。使用此名称是为了向他对人工智能和技术领导力所做出的杰出贡献致敬，并表达深深的敬意。

Karpathy 快速上手指南

Karpathy 是一个基于 Claude Code SDK 和 Google ADK 构建的代理式机器学习工程师工具，能够训练前沿的 ML 模型。本项目展示了利用 Claude 科学技能（Scientific Skills）进行机器学习的强大能力。

环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统：Linux / macOS / Windows (WSL2 推荐)
• Python 版本：Python 3.13 或更高版本
• 包管理器：uv (高性能 Python 包安装器)
• 核心依赖：已安装并认证 Claude Code
• API Key：需要 OpenRouter API Key 以驱动代理运行

安装步骤

1. 克隆仓库

git clone https://github.com/K-Dense-AI/karpathy.git
cd karpathy

2. 安装依赖

使用 uv 同步并安装项目所需依赖：

uv sync

3. 配置环境变量

在项目根目录创建 .env 文件，填入您的 API 密钥：

OPENROUTER_API_KEY=your_openrouter_api_key_here
AGENT_MODEL=your_model_name_here

注意：OPENROUTER_API_KEY 是代理运行的必需项。该文件的内容将在启动时自动复制到沙箱目录供代理使用。

基本使用

启动沙箱与 Web 界面

运行启动脚本，它将自动创建包含科学技能的沙箱环境、配置虚拟环境（预装 PyTorch, transformers, scikit-learn 等）并启动 ADK Web 界面：

python start.py

操作流程

1. 脚本运行成功后，打开浏览器访问 http://localhost:8000。
2. 在页面左上角的 "Select an agent" 下拉菜单中选择 karpathy。
3. 开始在对话框中与代理交互，所有输出文件和日志将保存在 sandbox 目录中。

添加自定义数据

如果您希望代理处理特定的数据集或脚本，请手动将这些文件放入 sandbox 目录：

# 示例：将数据放入沙箱
cp your_dataset.csv sandbox/

手动模式（可选）

如果您仅需设置沙箱而不启动 Web 界面：

python -m karpathy.utils

若需单独手动启动 Web 界面：

adk web

然后访问 http://localhost:8000。