Inspirert av Karpathys autoforskning lærte jeg VibeHQ å utvikle seg selv, ikke å utvikle en enkelt agent, men å utvikle hele multi-agent samarbeidsmetoden. 7 helautomatiske kjøringer uten manuell inngripen: • Tokenbruk: 7,2 millioner → 5,7 millioner (toppnedgang på 62 %) • Reduserte koordineringsrelaterte problemer (dobbeltarbeid osv...) :4 → 0 • PM-token-sløsing: -91 % Løkke: benchmark → samarbeidende kvantisering og LLM-analyse feilmodus → /optimize-protokoll omskriver koordineringskode → bygger opp → gjentar. AI-en ser på agentene som feiler i lagarbeidet, analyserer hvorfor den feilet, og endrer deretter sin egen kildekode for å koordinere samarbeidslogikken, uten noe manuelt arbeid gjennom hele prosessen, noe som fullstendig lar AI-en organisere sin egen lags tause forståelse. Etter å ha sett på de relevante tingene, optimaliserer autoresearch automatisk treningen av modellen, den forrige Ralph var en autonom løkke av en enkelt agent, og Gastown kjørte 20-30 Claude Code samtidig orkestrering, men har ikke evnen til å utvikle seg, disse er veldig sterke, men senere utvikler de også evnene til en enkelt agent. Ingen utvikler teamwork selv, hvordan man deler arbeid, hvordan unngå konflikter, hvordan man deler kontekst, og hvordan man åpner blokkeringen for hverandre. Tenk deg hva denne tingen ville blitt hvis den løp av gårde: • Agentene utvikler sin egen teamkultur og arbeidskjemi. • Tilpasse seg hvert prosjekt, og tildele et team på 3 eller 7 personer basert på prosjektutviklingsnivå. • Jo flere prosjekter dere gjør sammen, desto sterkere er teamet deres. • Agenter kan ta inn nye lagkamerater mens prosjektet pågår, og automatisk omfordele arbeid. Seriøst, hva vil det utvikle seg til til slutt? Jeg vet ikke, men dette er den mest spennende delen.