7 марта 2026 года Андрей Карпата — бывший директор по AI Tesla и сооснователь OpenAI — опубликовал репозиторий, который взорвал мир AI: autoresearch.

Идея обманчиво проста: дайте AI-агенту небольшую, но реальную установку для обучения LLM и позвольте ему автономно запускать эксперименты ночью. Он модифицирует код, обучает 5 минут, проверяет, улучшился ли результат, сохраняет или отбрасывает изменение и повторяет снова.

100 экспериментов пока вы спите. Ноль вмешательства человека.

Но вот что важно для будущего программирования: человек не пишет Python. Человек пишет Markdown-файл.

Что такое program.md?

В основе autoresearch — файл program.md. Это Markdown-документ, служащий руководством по эксплуатации для AI-агента.

Вместо того чтобы вручную настраивать гиперпараметры, подбирать learning rate или модифицировать архитектуры нейронных сетей в Python, исследователь пишет инструкции на естественном языке в program.md. AI-агент читает эти инструкции и автономно модифицирует обучающий код (train.py) на их основе.

Как выразился Карпата: вы не трогаете никакие Python-файлы, как обычно делает исследователь. Вместо этого вы программируете Markdown-файлы program.md, которые дают контекст AI-агентам.

Как работает Autoresearch

Система элегантна в своей простоте:

Человек редактирует program.md — устанавливает цели исследования, ограничения и стратегию
AI-агент (Claude, Codex или другой LLM) читает program.md и модифицирует train.py
Обучение запускается ровно на 5 минут, измеряя валидационные потери (val_bpb)
Если результат улучшился, изменение сохраняется как git commit в ветке фичи
Если не улучшился, git сбрасывается к начальному состоянию
Повторяется бесконечно

Весь обучающий кодбейз — ~630 строк Python — достаточно мал, чтобы полностью поместиться в контекстное окно LLM. Это намеренно. Агенту нужно понимать всю систему, чтобы делать умные модификации.

Результаты

Карпата оставил autoresearch работать около двух дней на модели глубины 12. AI-агент автономно обнаружил около 20 улучшений, сократив Time to GPT-2 benchmark с 2.02 часа до 1.80 часа — улучшение на 11% без вмешательства человека.

Каждая точка в визуализации представляет полный прогон обучения LLM. Агент работает в автономном цикле, накапливая git-коммиты по мере нахождения лучших настроек для архитектуры нейросети, оптимизатора и гиперпараметров.

Почему program.md важен за пределами ML-исследований

Autoresearch касается обучения ML, но вводимый им паттерн универсален: программирование AI-агентов с помощью Markdown-файлов.

Это не изолированная идея. Посмотрите, что происходит по всей экосистеме AI:

Файл	Назначение
`program.md`	Программирует агентов автономных исследований (Карпата)
`AGENTS.md`	Программирует AI-агентов для кодинга (60K+ репозиториев, Linux Foundation)
`CLAUDE.md`	Программирует поведение Claude Code
`.cursorrules`	Программирует поведение Cursor AI
`llms.txt`	Программирует понимание веб-сайтов AI-краулерами

Паттерн идентичен каждый раз: человек пишет Markdown-файл, и AI-агент использует его как инструкции для автономной работы.

Markdown стал языком программирования для AI-агентов.

От «вайб-кодинга» к агентной инженерии

Сам Карпата ввёл термин «vibe coding» в 2025 году — идею написания кода путём описания намерений, а не синтаксиса. Но в начале 2026 года он сказал, что вайб-кодинг уже устарел.

Новый термин? Agentic engineering (агентная инженерия): 99% времени вы не пишете код напрямую. Вы оркестрируете агентов, которые это делают, и выступаете в роли куратора.

Autoresearch — чистейшее выражение этой идеи. Работа исследователя смещается от «сколько экспериментов ты запустил сегодня?» к «насколько хорошими были направления экспериментов, которые ты задал?». Markdown-файл — это то, как вы задаёте эти направления.

Что это значит для работников умственного труда

Вам не нужно обучать LLM, чтобы учиться у autoresearch. Паттерн применим везде:

Разработчики пишут AGENTS.md для направления AI-помощников в кодинге
Исследователи пишут program.md для направления автономных экспериментов
Контент-мейкеры пишут промпты для направления AI-ассистентов по написанию текстов
Аналитики пишут инструкции для направления AI-пайплайнов обработки данных

В каждом случае работа человека становится такой: написать наилучшие возможные Markdown-инструкции. AI берёт на себя исполнение.

Создание рабочего процесса с Markdown в основе

Если Markdown становится универсальным интерфейсом для AI-агентов, наличие чистых Markdown-версий ваших справочных материалов становится необходимым.

Когда вы пишете program.md для autoresearch или AGENTS.md для своей кодовой базы, вы опираетесь на документацию, статьи, блог-посты и примеры, которые видели в сети. Save позволяет захватить всё это как чистый Markdown одним кликом — готовый к ссылкам, цитированию или включению в инструкции для агентов.

Рабочий процесс: найти что-то полезное в сети, сохранить это в Save как Markdown, использовать для написания лучших инструкций для агентов.

Save конвертирует любую веб-страницу в чистый Markdown — формат, который AI-агенты понимают лучше всего. Создавайте справочную библиотеку для написания лучших AI-инструкций. Попробуйте Save бесплатно.