Autoresearch 在個人 IP 場景的正確具身：不是讓網站自己懂機器，是讓 Agent 們一起懂我

要約

Paul Kuo 實驗將 Karpathy autoresearch 框架具身到個人 IP 站台（paulkuo.tw），設計自動 mutation engine 讓網站檔案自我優化。七週後系統無聲失效，他透過 Chat、Cowork、Codex、Code 四個 session 的分布式議事發現核心問題：誤將 llms.txt 視為可追逐的成長槓桿（實際是衛生指標），將三個不同 reward 結構的身分（個人 IP 站、工具站、寫作站）強行綁定於同一引擎。重大 reframing 是：個人 IP 場景的正確具身不是完全自主系統，而是五方議事（Chat-Cowork-Codex-Code-Paul）的分布式 autoresearch v2，透過不同視角互補各自的盲點。整個思考過程本身成為案例。

要点

• mutation engine 把尚未收斂的行業慣例誤當成核心訊號，llms.txt 是衛生指標非成長槓桿
• 個人 IP 站 reward 訊號稀疏延遲，無法自動閉環，與 product 類型的 v0 範式不可比
• 三身分 category confusion：個人 IP / 工具站 / 寫作站的 reward 結構差異導致七週靜默失效
• 分布式 autoresearch v2 核心是五方議事桌各自獨立長處互補，而非單一自主代理
• 範式正確後優化方法才有意義，選錯載體再好的方法也無法收斂

チャプター

1. Autoresearch 的個人 IP 具身實驗

   Paul Kuo 實驗將 Karpathy autoresearch 套用到 paulkuo.tw 站台，設計 mutation engine 讓白名單檔自動優化，期望在三月內持續改進分數。

2. 七週無聲失效與發現

   系統於三月中停擺，五月才被發現。experiments.json 變成 0 bytes，沒有 alert 機制，代表治理的最大風險是無聲死亡而非爆炸式失敗。

3. 三大盲點：自主被高估、天花板低、基礎建設誤置

   ALLMO 與 SE Ranking 數據揭示：llms.txt 並未提高 AI citation，本質是衛生指標非成長槓桿。Vercel v0 用 product 範式不可類比到個人 IP 站。

4. Karpathy v2 藍圖與五方議事的分布式實踐

   Karpathy 主張 autoresearch 應演進為多 agent 協作模式。Paul 發現自己已在跑分布式版本：Chat、Cowork、Codex、Code、Paul 五方各有視角互補盲點。

5. 三身分 reward 結構混淆的根因

   個人 IP 站、工具站、寫作站的 reward 訊號密度完全不同，被強行綁定一個引擎導致失效。工具站適合自主迴圈，個人 IP 站 reward 太稀疏無法閉環。

6. 從版本遷移到體系命名

   退役 mutation engine，以 ADR 與 git history 保留痕跡。整場 reframing 本身就是 distributed autoresearch 的具體案例與價值演示。

引用