เมื่อวันที่ 7 มีนาคม 2026 Andrej Karpathy — อดีตผู้อำนวยการ AI ของ Tesla และผู้ร่วมก่อตั้ง OpenAI — ได้เผยแพร่ repo ที่ทำให้โลก AI ตื่นตัว: autoresearch

แนวคิดนั้นหลอกลวงด้วยความเรียบง่าย: ให้ AI agent ชุดฝึก LLM ขนาดเล็กแต่เป็นของจริง แล้วให้มันรันการทดลองโดยอัตโนมัติข้ามคืน มันแก้ไขโค้ด ฝึกเป็นเวลา 5 นาที ตรวจสอบว่าผลลัพธ์ดีขึ้นหรือไม่ เก็บหรือละทิ้งการเปลี่ยนแปลง แล้วทำซ้ำ

100 การทดลองขณะคุณนอนหลับ ไม่มีการแทรกแซงจากมนุษย์

แต่นี่คือส่วนที่สำคัญสำหรับอนาคตของการเขียนโปรแกรม: มนุษย์ไม่ได้เขียน Python มนุษย์เขียนไฟล์ Markdown

program.md คืออะไร?

ที่หัวใจของ autoresearch คือไฟล์ชื่อ program.md มันคือเอกสาร Markdown ที่ทำหน้าที่เป็นคู่มือคำสั่งสำหรับ AI agent

แทนที่จะปรับ hyperparameter ด้วยตนเอง ปรับ learning rate หรือแก้ไขสถาปัตยกรรมเครือข่ายประสาทเทียมใน Python นักวิจัยเขียนคำสั่งภาษาธรรมชาติใน program.md AI agent อ่านคำสั่งเหล่านี้และแก้ไขโค้ดฝึก (train.py) โดยอัตโนมัติตามนั้น

ดังที่ Karpathy กล่าวว่า: คุณไม่ได้แตะไฟล์ Python ใดๆ เหมือนที่คุณทำปกติในฐานะนักวิจัย แต่คุณกำลังตั้งโปรแกรมไฟล์ Markdown program.md ที่ให้บริบทแก่ AI agents

autoresearch ทำงานอย่างไร

ระบบมีความงดงามในความเรียบง่าย:

มนุษย์ แก้ไข program.md — กำหนดเป้าหมายการวิจัย ข้อจำกัด และกลยุทธ์
AI agent (Claude, Codex หรือ LLM อื่น) อ่าน program.md และแก้ไข train.py
การฝึก รันเป็นเวลา 5 นาทีพอดี วัด validation loss (val_bpb)
ถ้าดีขึ้น การเปลี่ยนแปลงถูกเก็บเป็น git commit บน feature branch
ถ้าไม่ดีขึ้น git reset กลับสู่จุดเริ่มต้น
ทำซ้ำไม่มีกำหนด

codebase ฝึกทั้งหมดมีประมาณ 630 บรรทัด Python — เล็กพอที่จะพอดีกับ context window ของ LLM ทั้งหมด นี่คือการออกแบบโดยเจตนา agent ต้องเข้าใจระบบทั้งหมดเพื่อทำการแก้ไขอย่างชาญฉลาด

ผลลัพธ์

Karpathy ปล่อย autoresearch ทำงานประมาณสองวันบนโมเดล depth-12 AI agent ค้นพบการปรับปรุงประมาณ 20 อย่างโดยอัตโนมัติ ซึ่งลด Time to GPT-2 benchmark จาก 2.02 ชั่วโมงเป็น 1.80 ชั่วโมง — การปรับปรุง 11% โดยไม่มีการแทรกแซงจากมนุษย์

จุดแต่ละจุดในการแสดงผลแทน LLM training run ที่สมบูรณ์ agent ทำงานในลูปอัตโนมัติ สะสม git commits เมื่อพบการตั้งค่าที่ดีขึ้นสำหรับสถาปัตยกรรมเครือข่ายประสาทเทียม optimizer และ hyperparameters

เหตุใด program.md มีความสำคัญเกินกว่าการวิจัย ML

autoresearch เกี่ยวกับการฝึก ML แต่รูปแบบที่มันแนะนำนั้นสากล: การตั้งโปรแกรม AI agents ด้วยไฟล์ Markdown

นี่ไม่ใช่แนวคิดที่โดดเดี่ยว ดูสิ่งที่เกิดขึ้นทั่วระบบนิเวศ AI:

ไฟล์	วัตถุประสงค์
`program.md`	ตั้งโปรแกรม autonomous research agents (Karpathy)
`AGENTS.md`	ตั้งโปรแกรม AI coding agents (60K+ repos, Linux Foundation)
`CLAUDE.md`	ตั้งโปรแกรมพฤติกรรม Claude Code
`.cursorrules`	ตั้งโปรแกรมพฤติกรรม Cursor AI
`llms.txt`	ตั้งโปรแกรมวิธีที่ AI crawlers เข้าใจเว็บไซต์

รูปแบบเหมือนกันทุกครั้ง: มนุษย์เขียนไฟล์ Markdown และ AI agent ใช้มันเป็นคำสั่งเพื่อทำงานโดยอัตโนมัติ

Markdown กลายเป็นภาษาโปรแกรมสำหรับ AI agents

จาก Vibe Coding สู่ Agentic Engineering

Karpathy เองเป็นผู้บัญญัติคำว่า “vibe coding” ในปี 2025 — แนวคิดการเขียนโค้ดโดยอธิบายเจตนาแทน syntax แต่ในต้นปี 2026 เขากล่าวว่า vibe coding ล้าสมัยแล้ว

คำใหม่? Agentic engineering: คุณไม่ได้เขียนโค้ดโดยตรง 99% ของเวลา คุณกำกับ agents ที่ทำสิ่งนั้น และทำหน้าที่เป็นผู้ดูแล

autoresearch คือการแสดงออกที่บริสุทธิ์ที่สุดของแนวคิดนี้ งานของนักวิจัยเปลี่ยนจาก “วันนี้คุณรันการทดลองกี่ครั้ง?” เป็น “คุณกำหนดทิศทางการทดลองได้ดีแค่ไหน?” ไฟล์ Markdown คือวิธีที่คุณกำหนดทิศทางเหล่านั้น

ความหมายสำหรับ Knowledge Workers

คุณไม่จำเป็นต้องฝึก LLM เพื่อเรียนรู้จาก autoresearch รูปแบบนี้ใช้ได้ทุกที่:

นักพัฒนา เขียน AGENTS.md เพื่อควบคุมผู้ช่วยเขียนโค้ด AI
นักวิจัย เขียน program.md เพื่อควบคุมการทดลองอัตโนมัติ
ผู้สร้างเนื้อหา เขียน prompts เพื่อควบคุมผู้ช่วยเขียน AI
นักวิเคราะห์ เขียนคำสั่งเพื่อควบคุม AI data processing pipelines

ในทุกกรณี งานของมนุษย์กลายเป็น: เขียนคำสั่ง Markdown ที่ดีที่สุดเท่าที่เป็นไปได้ AI จัดการการดำเนินการ

สร้างเวิร์กโฟลว์ที่เน้น Markdown ก่อน

ถ้า Markdown กำลังกลายเป็นอินเทอร์เฟซสากลสำหรับ AI agents การมีเวอร์ชัน Markdown ที่สะอาดของเนื้อหาอ้างอิงของคุณกลายเป็นสิ่งจำเป็น

เมื่อคุณเขียน program.md สำหรับ autoresearch หรือ AGENTS.md สำหรับ codebase ของคุณ คุณกำลังดึงจากเอกสาร บทความ โพสต์บล็อก และตัวอย่างที่คุณเห็นบนเว็บ Save ช่วยให้คุณจับสิ่งเหล่านั้นทั้งหมดเป็น Markdown ที่สะอาดด้วยคลิกเดียว — พร้อมสำหรับการอ้างอิง ยกมาอ้าง หรือนำไปใส่ในคำสั่ง agent ของคุณ

เวิร์กโฟลว์: หาสิ่งที่มีประโยชน์บนเว็บ บันทึกเป็น Markdown ด้วย Save ใช้มันเพื่อเขียนคำสั่ง agent ที่ดีขึ้น

Save แปลงเว็บเพจใดก็ได้เป็น Markdown ที่สะอาด — รูปแบบที่ AI agents เข้าใจได้ดีที่สุด สร้างไลบรารีอ้างอิงสำหรับการเขียนคำสั่ง AI ที่ดีขึ้น ทดลองใช้ Save ฟรี