I Built Another Andrej Karpathy Using Claude

I Built Another Andrej Karpathy Using Claude

J'ai créé un autre Andrej Karpathy avec Claude

🎙 Nate Herk 👥 1.1M 📅 5 octobre 2026 ⏱ 10 min 👁 73K 📄 tutoriel 🧭 2026-10-15
Disponible en : Français (actuel) English

Mots-clés

agent IAClaude Codewikirègles d'enseignementKarpathy

Résumé

Cette vidéo présente une méthode en quatre étapes pour créer un agent IA personnalisé à partir de Claude, en utilisant les enseignements d’Andrej Karpathy. L’auteur commence par collecter plus de 700 000 mots issus des conférences, blogs et posts de Karpathy, via des outils comme YouTube Transcript API et twitterapi.io. Ensuite, il les compile dans un wiki structuré, suivant le concept de ‘LLM wiki’ proposé par Karpathy. À partir de ce wiki, il extrait sept règles pédagogiques fondamentales, chacune associée à une citation directe. Ces règles sont ensuite intégrées dans un sous-agent et une compétence (skill) dans Claude Code, avec un hook de vérification pour garantir l’exécution du code. Le système est testé sur des exemples concrets comme la construction d’un tokenizer byte pair et la révision d’un script. Enfin, l’article détaille la maintenance et l’évolution de l’agent grâce à des ingests réguliers, permettant d’enrichir progressivement la base de connaissances.

150 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La valeur principale réside dans la démonstration pratique de la création d’un agent expert, avec une méthodologie reproductible et clairement expliquée. L’argumentation s’appuie sur des exemples concrets (tokenizer, révision de script) qui illustrent l’efficacité du système. La solidité de l’argumentation repose sur la logique de construction : collecte, structuration, extraction de règles, intégration et test. Cependant, l’auteur s’appuie principalement sur son expérience personnelle et des affirmations non vérifiées, ce qui limite la portée scientifique.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est faible : aucune source académique ou étude citée, uniquement des ressources personnelles et des outils tiers. Les sources citées proviennent de la description (liens vers son site, outils, etc.) sans référence directe aux travaux de Karpathy. L’adéquation du titre avec le contenu est bonne, car le titre reflète exactement le processus de création d’un clone pédagogique à base de Claude. On note une absence de validation externe et des affirmations non sourcées, mais la démarche est honnête sur ses limites.

173 mots

Adéquation titre / contenu

Le titre reflète bien le contenu : construire un agent IA à partir de Claude pour imiter la méthode pédagogique de Karpathy.

Qualité & fiabilité

6/10

Démarche pratique claire, basée sur l'expérience personnelle, mais sans validation scientifique ni sources formelles.

Chapitres

Sources citées

Apport & nouveautés

L’apport original est la méthodologie complète pour transformer les connaissances d’un expert en agent IA, en passant par la structuration en wiki, l’extraction de règles pédagogiques et l’intégration de hooks de vérification. Cette approche dépasse le simple clonage de voix pour reproduire la démarche cognitive de l’enseignant.

Pour aller plus loin :

  • Byte pair encoding — Concept central dans l’exemple de construction du tokenizer, pertinent pour comprendre le traitement du texte par les LLM.
  • Obsidian — Outil de prise de notes utilisé pour visualiser le wiki, illustrant la gestion des connaissances non linéaire.
  • [Andrej Karpathy] — Ses travaux et ses vidéos pédagogiques (sans URL spécifique) constituent la base de la méthode, notamment son concept de ‘LLM wiki’ et ses conseils d’enseignement.

121 mots

Profil radar

Le profil radar montre une bonne quantité d'informations et un niveau technique correct, mais une fiabilité globale moyenne, reflétant un contenu pratique sans validation scientifique solide.

Fiabilité 5/10