Фреймворк Autoevolve использует код Claude для разработки игрового ИИ через эволюцию в процессе самоигры.

Результаты соревнования и подход

Разработчик использовал Claude Code в качестве всей своей команды разработчиков для Game AI Cup — конкурса по программированию, где участники пишут ботов для 2D-игры на основе физики. Бот, созданный Claude, занял 6-е место из 83 участников в трёх раундах.

Подход был вдохновлён концепцией автоисследований Карпати, где агент на основе LLM итеративно улучшает код в течение ночи. Разработчик создал небольшой фреймворк под названием autoevolve, который адаптирует эту идею для самообучающихся доменов — вместо оптимизации одного показателя версии соревнуются друг с другом напрямую.

Цикл эволюции

Рабочий процесс следовал этому циклу:

• Claude Code читает текущего бота
• Анализирует, почему он проиграл конкретные матчи
• Предлагает целевое изменение
• Новая версия сравнивается с предыдущими версиями
• Версия сохраняется или отбрасывается
• Процесс повторяется

Разработчик провёл примерно 130 итераций за несколько недель в трёх раундах соревнования.

Ключевые выводы из эксперимента

Структурные изменения превзошли настройку параметров: Каждый прорыв включал добавление новых возможностей, таких как прогнозирующее управление моделью, роль вратаря или планирование с учётом энергии. Десятки корректировок пороговых значений и весов были неэффективны или отрицательны. Прогресс был быстрее, когда Claude направляли на «добавление нового поведения», а не на «настройку этого числа».

Возникающее поведение было читаемым в коде: После того как Claude исправил функцию стоимости энергии, оптимизатор начал использовать отскоки от стен для изменения направления — отскок от стен даёт бесплатное изменение направления без затрат энергии. Это поведение никогда не программировалось явно, но полностью читаемо в коде, в отличие от подходов с нейронными сетями, которые создают чёрный ящик.

Исправления ошибок накапливаются изолированно: Смешивание исправлений ошибок с изменениями стратегии вносило шум. Два исправления корректности в одной версии превзошли всех ведущих соперников, но те же исправления, объединённые с изменением стратегии в другой версии, были неэффективны.

Журнал изменений был необходим: Каждая версия включала предложение Claude, ожидаемый результат, фактический результат и извлечённые уроки. Это позволило разработчику сказать Claude: «этот подход провалился три раза, перестань его пробовать» и избежать повторения неудачных экспериментов.

Более широкие применения

Разработчик обнаружил список awesome-autoresearch, показывающий аналогичные паттерны «LLM итеративно улучшает код в течение ночи», применяемые в других местах: CEO Shopify достиг 53% ускорения рендеринга шаблонов с 93 автоматическими коммитами, кто-то масштабировал ядра CUDA с 18 до 187 TFLOPS, а Vesuvius Challenge использовал это для расшифровки древних свитков.

Начало работы с Autoevolve

Фреймворк autoevolve работает как навык Claude Code. Установите его с помощью:

npx skills add MrTsepa/autoevolve

Затем скажите Claude настроить эксперимент по эволюции. Фреймворк обрабатывает рейтинги, подбор соперников, отслеживание фронта Парето и визуализацию.