返回首页
最新
关于我们在构建这个过程中遇到的一些技术背景。
MCP工具在大规模金融数据处理上并不太有效。某个工具需要五年的每日价格数据，这会在上下文窗口中产生数万个令牌。而数据供应商将数十个工具打包到一个MCP服务器中，仅仅是模式就可能消耗超过5万个令牌，直到代理能够执行有用的操作。因此，我们在工作区初始化时从MCP模式自动生成类型化的Python模块，并将其上传到沙箱中。代理就像使用普通库一样导入这些模块。每个服务器在提示中只保留一行摘要。我们的服务器上大约有80个工具，无论一个服务器有3个工具还是30个，提示的成本是相同的。这部分并不是特定于金融的，它适用于任何MCP服务器。
另一个重要的方面是使研究能够在会话之间持久化。大多数代理将单个交付物（如PDF或电子表格）视为最终目标。在投资中，这意味着从第一天开始。你会在收益下降时更新模型，在竞争对手报告时重新运行比较，持续在旧分析上叠加新的分析。但如果在代理会话之间这样做，文件不会保留，每次都需要重新粘贴上下文。因此，我们围绕工作区构建了一切。每个工作区映射到一个持久的沙箱，每个研究目标一个。代理维护自己的记忆文件，记录发现和文件索引，在每次大型语言模型调用之前重新读取。过一周再回来，开始一个新线程，它会从上次中断的地方继续。
我们还希望代理能够拥有真正的领域上下文，就像Claude Code拥有代码库上下文一样。投资组合、观察列表、风险承受能力、金融数据来源，所有这些都注入到每次调用中。现有的AI投资平台有一些这样的功能，但远不及一个合适的代理系统所能做到的。我们想要这两者，但找不到，于是我们自己构建了这个系统，并将其开源。
确切地说，在1903年，他们预测人类在最佳情况下需要一百万年才能建造出有用的重于空气的飞行器（我想这算是讽刺吧）。然而，实际上只用了70天。同年，莱特兄弟驾驶他们的飞机“起飞”了：
[维基百科 - 莱特飞行器](https://en.wikipedia.org/wiki/Wright_Flyer)
[Reddit - 历史问答](https://www.reddit.com/r/AskHistorians/comments/1ocua1b/in_1903_the_nyt_published_an_editorial_declaring/)
经过实战检验的代理技能，适用于Claude Code、Copilot、Cursor、Gemini CLI等，涵盖15种以上语言的每个主要测试自动化框架： https://github.com/LambdaTest/agent-skills
寻找项目贡献者？欢迎发布任何可能引起HN读者兴趣的项目，特别是开源项目。请遵循以下格式：<p>项目名称<p>项目描述<p>您希望这个月构建什么？<p>您需要什么样的技能？<p>如何联系您？<p>链接到您的GitHub或其他您希望吸纳新贡献者的平台，例如您的项目管理软件或聊天室。
我创建 Remoroo 是因为大多数编码代理在工作不再是短暂的编辑和运行循环时就会崩溃。<p>一个真正的工程实验可能会持续数小时。在这个过程中，代理需要读取文件、运行命令、检查日志、比较指标、尝试失败的想法，并且需要记住已经发生的事情。一旦上下文开始模糊，它就会忘记目标，失去基准，反复尝试不好的想法。<p>Remoroo 是我尝试解决这个问题的方案。<p>你只需将其指向一个代码库，并给出一个可衡量的目标。它在本地运行，尝试更改，执行实验，测量结果，保留有帮助的部分，丢弃无用的部分。<p>系统的一个重要部分是内存。长时间的运行会生成远超模型所能容纳的上下文，因此我构建了一个受操作系统虚拟内存启发的需求分页内存系统，以保持运行过程的连贯性。<p>这里有一份技术文档：
<a href="https://www.remoroo.com/blog/how-remoroo-works" rel="nofollow">https://www.remoroo.com/blog/how-remoroo-works</a><p>希望能得到从事长时间运行代理、训练循环、评估工具或类似工作流程的人的反馈。