以前是我盯着 Pi 改代码，现在有人开始让 Pi 自己死磕优化了😂 最近看到一个很值得玩的项目：pi-autoresearch。 它受 Karpathy Autoresearch 启发，直接把这套思路搬进了 Pi里面。 你不需要一步一步告诉它该怎么优化，只需要给一个明确指标。 剩下的事情，它自己来： 想方案 → 修改 → 测试 → 对比结果 → 有提升就留下 → 变差就回滚 → 继续下一轮。 几个点特别有意思的点： 1、目标非常明确 不是让 Agent 模糊地“把代码优化一下”，而是直接盯一个数字，比如测试时间、构建速度、Bundle Size、Lighthouse 分数。到底有没有变好，一眼就能判断。 2、失败成本很低 Pi 可以大胆去试各种方案。效果不好就直接回滚，不需要我一直盯着每一次修改，真正有提升的结果才留下来。 3、可以连续跑很多轮 普通 Agent 改一次基本就结束了，Autoresearch 更像是在做实验。一个方案不行就换下一个，直到慢慢把指标往上推。 4、实验过程可以持续积累 每一轮尝试、结果和改动都会被记录下来。哪怕 Context 后面重置了，也可以接着之前的实验继续跑，而不是重新从零开始猜。 我觉得它最适合解决一种很有意思的问题： 我不知道下一步该怎么优化，但我知道什么结果才算更好。 以前我也用过类似的框架去重复跑，重复迭代，甚至开多个子向前一起跑，然后确定一个最高分的版本。 他这个插件的思路也其实都是一样的，让ai自己去按照你的目标去进化，每一次都打分，一次一次的向最终目标靠近。 如果你最近也在玩 Pi，pi-autoresearch 我很推荐试一下。