最新

我的目标是通过SDR代理实现代理的潜在客户开发，并将其推入一个节奏中，使其能够在我的全渠道接触系统中，独立地在LinkedIn、电子邮件和电话之间工作。 我的配置：目前有三个代理在独立工作。 1) Comet（我将主要用Clawdebot替代它）：负责在LinkedIn上发送好友请求，并将潜在客户推送到Google表格中。 2) Dronahq代理（免责声明：这是我正在构建并为此用例进行内部测试的平台）：该代理将 - 从Google表格中提取潜在客户，并查找Apollo以获取更多详细信息 - 根据复杂算法发送介绍电子邮件。 3) 语音代理（使用Twilio和VAPI制作）：该代理将拨打客户电话，更新记录并为预约设置Google日历。我必须提到，使用VAPI设置语音代理的过程非常棒，我在不到10分钟的时间内就成功搭建了一个可用的代理。 接下来的步骤： 1) 通过某种超级代理将这三个代理连接起来，以便它们能够无缝且自主地工作。 2) 引入一个节奏代理，以便代理能够实现外展节奏。

我制作这个工具是因为声调影响了我的普通话口语，而我无法准确听出自己的错误。<p>这是一个基于9M Conformer-CTC模型，训练数据约为300小时（AISHELL + Primewords），量化为INT8（11 MB），可以通过ONNX Runtime Web在浏览器中100%运行。<p>它能够逐音节评分发音和声调，并使用维特比强制对齐。<p>您可以在这里尝试：<a href="https://simedw.com/projects/ear/" rel="nofollow">https://simedw.com/projects/ear/</a>

在推特上，Claude Code 的创始人 Boris Cherny 最近表示，Claude Code 中几乎 100% 的代码都是由 Claude Code 编写的，而他个人已经几个月没有写代码了。另一位 OpenAI 员工的推文则写道：“编程一直很糟糕……我很高兴这一切结束了。” 这种“好 riddance”的态度让我非常不满。它将编程框定为一种我们终于可以摆脱的必要之恶。 讽刺的是，我的目标与此类似，只是原因不同。我也想写更少的代码。 减少代码，因为代码意味着责任。减少代码，因为“代码越多，问题越多”。因为糟糕的代码是技术债务。因为错误是不可避免的。减少代码，因为更少的活动部分意味着更少的出错机会。 老实说，我觉得删除代码比写代码更让我享受。因此，或许我对释放一个 AI 代理来生成我不可能完全理解的大量代码持怀疑态度也就不足为奇了。 对我来说，编程从根本上是关于构建知识。软件开发是一种知识工作：发现我们不知道的未知，识别我们知道的未知，弄清楚真正的问题是什么，并解决它。 而这些知识必须存在于某个地方。 当有人说“我不再写代码了”，我听到的是：“我把知识工作塞进了一个黑匣子。” 在我看来，以下两者之间有着真正的区别： - 用语言表达的知识（AI 可以无休止地生成），和 - 在人类大脑中固化为连接的知识。 后者不是一个文本文件。它不是你的“技能”或“珠子”。它不是数百行的 Markdown 垃圾。不，这是一种心智模型：系统是什么，为什么是这样，什么是安全的变更，抽象提供了什么杠杆，以及脆弱的假设在哪里。 我一直在心中保持着我所工作的代码库的心智模型。在我脑海中，它并不是“代码”这个意义上的语言和语法。它更像是一个“心智宫殿”，我可以走进去，打开门，关上门，翻新，拆掉一面墙，增加一个新翼。这发生在直觉与智力交融的层面。 我并不反对进步。最近，随着一切的发展，我开始将代码分为两类： - 我不需要在脑中建模的代码（低风险，遵循既定规范，可预测，易于验证），和 - 我无法不在脑中建模的代码（业务关键，创新，实验性，或引入新模式）。 我很乐意将前者委托给 AI 代理。后者才是领域知识和系统理解真正形成的地方。那才是有趣的部分。那是乐趣所在。而我的“心智宫殿”渴望与这一切保持同步。 你是否担心出现了理解代码在某种程度上是可选的这种新观念？

大家都知道那个故事，关于Target的市场营销人员通过一个青少年的购买记录，发现她怀孕了，甚至在她父母知道之前就知道了。有没有人知道是否有研究探讨大型语言模型（LLM）在预测用户细节方面的有效性？如果有的话，用户需要与LLM交流多少次，以及在对话中泄露多少个人信息，才能使预测变得准确？ 我可以想象一个噩梦场景：在我与ChatGPT偶尔询问一些技术问题几个月后，OpenAI已经知道如何完美地向我推销一双新袜子，甚至在我自己还不知道自己会怎么做之前，就能预测我在某些情况下的行为。奇怪的是，网上对此似乎没有更多的讨论，可能真的没有进行过太多研究？