auto

把 LLM 的重复活儿编译成微成本 wasm，一次搞定不再重跑

auto 是一个被称为“AGI 编译器”的基础设施项目，用 Rust 编写。它通过记录 LLM agent 的行为轨迹，利用 conformal prediction 等算法证明哪些行为模式是重复出现的，然后将这些已验证的重复行为编译成沙箱化的 WebAssembly (wasm) 二进制文件。这些编译产物可以在极低成本（微美元级别）下运行，从而避免重复让 LLM 处理相同任务，实现推理优化和程序合成。项目旨在解决 LLM 推理成本高昂、行为不可控的问题，将高频、稳定的 agent 行为固化下来，形成可验证、可复用的执行单元。其核心能力包括行为记录、重复性证明、代码编译和沙箱执行，并配套了学术论文（arXiv:2607.04542）提供理论支撑。目前项目处于早期阶段（121 星），但定位前沿，融合了 agent 基础设施、编译器和推理优化等多个热点方向。