最新

根据标题所述。我经常旅行，通常无法舒适地使用我的笔记本电脑。我希望能够快速运行一些小型研究想法。我的工作流程是： - 请一个大型语言模型（LLM）来整理一个概念验证（PoC） - 获取代码并将其发送到我的家用电脑或某个云服务 - 运行并获取结果 这里有没有人搭建过这样的工作流程？我很想听听大家在这方面的想法和经验。

我注意到一个简单但出乎意料有用的功能。大多数聊天界面都有一个分享按钮。如果将这个共享链接视为当前状态的快照，那么你可以在之后粘贴该链接，重新加载完全相同的个性化设置/配置，而无需重新调整。这就像是AI聊天的“存档槽”。 如何使用它： 快速开始：1) 调整到行为合适 → 2) 按下分享，复制链接 → 3) 下次粘贴以启动相同的状态。 适用的工具：ChatGPT、Gemini、Claude、Perplexity、Grok。 在我的测试中，不是真正的快照的工具：Mistral、Kimi（它们的“分享”似乎导出的是文本，而不是状态）。 为什么这有帮助： - 提高A/B测试和评估的可重复性。 - 加快RAG/OCR/代理管道的事件响应（无需重新调整）。 - 为长篇写作或T2I工作流程提供稳定的声音。 - 在并行标签中进行安全的红队与蓝队比较。 在HN上开放的问题： - 你观察到不同提供商之间的状态一致性差异吗？哪些实际上恢复了相同的行为？ - 共享链接是否存在已知的隐私或保留问题？团队是否将其视为秘密？ - 有什么技巧可以减少重新加载后的漂移？热身语句、固定规则或版本标记？ - 你喜欢哪些操作模式？例如，“主种子链接→每个任务克隆”、“创作者/编辑双链接”、审计表、轮换频率。 - 这在哪些方面失败？模型/版本切换、截断、上下文大小、组织政策、URL寿命？ 示例用例（简洁）： - RAG分类：每个故障类别一个链接（索引、向量漂移、路由）。 - 提示注入实验室：攻击者链接与防御者链接并排运行。 - 写作流程：一个“声音+大纲”链接，一个“逐行编辑”链接。 - SRE事后分析：带时间线的模板链接 + 五个为什么。 我很好奇其他人是否已经在做这个，或者是否有更好的模式。你见过哪些有效或失效的做法？

嘿，HN！我构建了一个基于Git的AI记忆概念验证，而不是使用向量数据库。 <p>这个想法是：Git已经解决了版本化文档管理的问题。为什么我们要构建复杂的向量存储，而不直接使用带有Git内置的diff/blame/history的markdown文件呢？ <p>它是如何工作的： <p>记忆以markdown文件的形式存储在Git仓库中 每次对话 = 一次提交 git diff显示理解如何随着时间演变 使用BM25进行搜索（不需要嵌入） 大型语言模型（LLMs）根据对话上下文生成搜索查询 示例：询问“我的项目是如何演变的？”它使用git diff来展示理解的实际变化，而不仅仅是相似性分数。 <p>这确实是一个概念验证——到处都是粗糙的边缘，尚未准备好投入生产。但它在个人使用中表现得相当不错。一年对话的整个索引大约占用100MB的内存，检索时间在毫秒级。 <p>有趣的部分是：你可以git checkout到任何时间点，准确查看当时AI所知道的内容。完美的可重复性，人类可读的存储，并且如果需要，你可以手动编辑记忆。 <p>GitHub: <a href="https://github.com/Growth-Kinetics/DiffMem" rel="nofollow">https://github.com/Growth-Kinetics/DiffMem</a> <p>技术栈：Python, GitPython, rank-bm25, OpenRouter用于大型语言模型的编排。采用MIT许可证。 <p>希望能得到对这个方法的反馈。这是疯狂的还是聪明的？我还缺少什么可能会让我后悔的？