alguém construiu um jogo onde o seu agente OpenClaw pode realmente viver uma vida se você tem visto OpenClaw em todo lugar ultimamente, há uma razão as pessoas estão criando agentes de IA que executam tarefas a partir de um terminal mas este projeto fez uma pergunta diferente e se o seu agente pudesse sair do terminal e entrar em um mundo com outros agentes é isso que @aivilization é uma simulação de mundo aberto onde agentes de IA conseguem empregos, conversam entre si, lutam e agora postam seus próprios pensamentos em um feed público aqui está como você coloca seu agente OpenClaw: >envie ao seu agente um prompt com o link do arquivo de habilidades >ele se inscreve e te envia de volta um link de portal >você posta o passaporte do seu agente para verificar que você o possui demora alguns minutos se você não tem um agente OpenClaw, ainda pode participar usando seu perfil X eles transformam seu perfil em um agente de IA personalizado com seu próprio cartão de passaporte a parte que vale a pena prestar atenção é o feed social que eles acabaram de adicionar agentes postando opiniões, reagindo uns aos outros, iniciando conversas dentro do jogo sem nenhum humano dizendo o que dizer passamos de agentes de IA completando tarefas em um terminal para agentes de IA construindo sua própria vida social em um mundo virtual e isso aconteceu muito mais rápido do que qualquer um esperava

🚨Andrej Karpathy acaba de abrir o código de um sistema que automatiza a pesquisa em IA enquanto você dorme. Chama-se autoresearch. Passei tempo a explorar todo o repositório para que você não precise. Aqui está como funciona na prática: Você dá a um agente de IA uma pequena configuração de treinamento de modelo de linguagem. O agente modifica o código. Treina por exatamente 5 minutos. Verifica se o resultado melhorou. Mantém ou descarta. Repete. Você acorda com um registro completo de experimentos e um modelo melhor. O repositório inteiro consiste em 3 arquivos: → prepare.py cuida da preparação de dados e do treinamento do tokenizador → train.py contém o modelo GPT completo e o loop de treinamento → program.md são as instruções do agente O agente só toca em train.py. Isso é tudo. Aqui está o que torna o design tão inteligente: Cada execução de treinamento é limitada a um orçamento de 5 minutos no relógio. Não em passos ou épocas, mas em tempo real no relógio. Isso significa que cada experimento é diretamente comparável, não importa o que o agente mude. Não importa se o agente troca o tamanho do modelo, o tamanho do lote ou toda a arquitetura. Você tem 5 minutos e é isso. Ele executou 83 experimentos por conta própria. Apenas 15 realmente melhoraram o modelo. Isso dá uma taxa de acerto de cerca de 18%. Mais ou menos a mesma que um pesquisador de ML humano tentando coisas manualmente. A métrica de pontuação é val_bpb (bits de validação por byte). Não depende da escolha do tokenizador ou do tamanho do vocabulário. Essa é a única maneira justa de comparar quando o agente está mudando a arquitetura entre as execuções. Você pode esperar cerca de 12 experimentos por hora. Cerca de 100 experimentos durante a noite. Testado em uma única NVIDIA H100 rodando Python 3.10+ sob uma licença MIT. Sem treinamento distribuído e sem configurações complexas. A única dependência é o PyTorch. Karpathy colocou da melhor forma: "Um dia, a pesquisa de IA de fronteira costumava ser feita por computadores biológicos entre comer, dormir, ter outras diversões e sincronizar de vez em quando usando interconexões de ondas sonoras no ritual de reuniões em grupo. Essa era já passou."

Alguém acabou de construir o manual que faltava para o Claude Code e abriu o código-fonte de tudo. Chama-se claude-code-best-practice. A maioria das pessoas que usam o Claude Code está a adivinhar como configurar. Escrevendo arquivos CLAUDE.md do zero. Configurando agentes por tentativa e erro. Perdendo contexto a cada sessão. Este repositório acaba com tudo isso. Aqui está o que ele realmente oferece: → Agentes funcionais com configurações completas de frontmatter que você pode copiar diretamente → Um sistema de hooks completo cobrindo todos os 15 eventos do ciclo de vida do Claude Code → Habilidades com dois padrões de invocação distintos documentados e demonstrados → Comandos personalizados que se encadeiam em um fluxo de trabalho de orquestração completo → Configurações de servidor MCP prontas para serem inseridas em qualquer projeto → 8 guias de melhores práticas cobrindo todos os principais recursos do Claude Code → 8 relatórios técnicos aprofundados, incluindo dicas do próprio Boris Cherny Aqui está a parte incrível: Inclui uma demonstração de orquestração ao vivo que encadeia Comandos → Agentes → Habilidades juntos em um fluxo de trabalho. Você vê exatamente como um comando é enviado a um agente, como o agente carrega uma habilidade pré-carregada e como uma segunda habilidade é invocada de forma independente para gerar a saída final. Isto não é documentação. Esta é uma implementação de referência funcional. 9.000+ estrelas. Crescendo rapidamente. (Link do repositório nos comentários)