最新

我厌倦了阅读成千上万页关于分布式存储系统的文档。我只想在几台服务器上可靠地存储文件。 于是我构建了 MicroVault——一个你可以真正理解的内容可寻址的二进制大对象存储。 *它的功能：* - 在 N 个卷服务器上存储二进制大对象，并进行复制 - 使用 nginx 进行服务（读取时零开销） - 使用 SQLite 存储元数据 - 使用一致性哈希进行分布 - 提供简单的 HTTP API *它不具备的功能：* - 自定义网络协议 - 分布式共识 - 内置身份验证/加密（使用标准工具） - 任何复杂的功能 *架构：* - 主服务器：协调写入操作，将元数据存储在 SQLite 中 - 卷服务器：nginx + 简单的包装器（约 100 行代码）用于 PUT/DELETE - 存储：磁盘上的常规文件，按哈希前缀组织 - 工具：重建、重新平衡、验证、压缩 *为什么选择 nginx？* 因为它经过数十年的优化，专门用于服务静态文件。对于读取（大多数操作），它是纯粹的 nginx，零开销。 *灵感来源：* George Hotz 的 minikeyvalue——证明分布式存储不需要复杂。 整个代码库小到可以在一个晚上审计完毕。你可以在一个周末分叉它并将其变成你自己的项目。 GitHub: https://github.com/afonp/microvault 使用 Go、SQLite、nginx 构建，并对复杂性保持健康的不屑态度。

你在做什么？有没有什么新的想法在考虑中？

马修·麦康纳在两个月前的乔·罗根节目中描述了他想要的人工智能：一个仅基于他自己写作和经历训练的私人模型。我实现了这个想法，并增加了基于结果的学习。 在130个对抗场景中设计的查询，使得语义上与坏建议的匹配程度优于好建议： → 普通向量搜索：正确率0-3% → Roampal：正确率100% 效率：减少63%的标记 — 检索到1个结果验证的结果，而RAG的前3个语义匹配结果。 核心机制 • 用户/AI标记结果 → 成功 +0.2，失败 -0.3（从对话中显式或自动检测） • 新记忆：70% 嵌入 / 30% 结果分数 ``` 经过验证的记忆（使用5次以上）：40% 嵌入 / 60% 结果分数 ``` • 随着时间的推移，“听起来对”的结果会被降级，而“实际上有效”的结果会被升级。 与Mem0/Zep的主要区别 它们根据相关性/一致性进行更新，而Roampal则根据实际结果进行更新。 可重复的结果（存储库中的JSON）： ``` 普通向量 Roampal ``` 金融（100） 0% 100% 编码（30） 3.3% 100% ← p=0.001，Cohen’s d=7.49 学习曲线：随着记忆的积累，准确率从58%提升至93%（p=0.005，d=13.4） 我不是程序员 — 拥有心理学学位、MBA，日常工作管理650万美元的合同。经过九个月的夜晚和周末，只使用Cursor、Claude和复制粘贴。 100% 本地 · 离线运行于Ollama、LM Studio或Claude Desktop · MIT许可证 · 无遥测 · 无需注册 GitHub（完整基准 + 所有130个对抗场景）： [https://github.com/roampal-ai/roampal](https://github.com/roampal-ai/roampal) 网站 + 演示视频： [https://roampal.ai](https://roampal.ai) 欢迎在评论中提出技术问题或给予严厉反馈。