我不想讨论为什么我们需要去中心化的点对点消息传递的政治问题，我们都知道这一点。让我感到愤怒的是，在地球上的所有人中，我们竟然让杰克·多尔西来构建去中心化的消息传递系统，而且还是用Swift语言。
我并不是网络专家。但实际上，无服务器的点对点系统实现起来非常简单（如果你放弃所有有用的功能的话……）。在不重建我们试图逃避的所有基础设施的情况下，让它在互联网规模上变得实用？我不知道。我认为这是可能的，也许是因为我太傻了（大概是这样）。
但至少我已经开始了，我想知道我能走多远。我相信外面有现成的解决方案，但在这个时候我并不太在乎。
我想我接下来会尝试集成DHT和NAT穿越，然后将其移到互联网。Bitchat正在做一些蓝牙的事情，老实说，我看不出有什么意义。
目前我所拥有的很简单：没有服务器，没有区块链，没有联合协议。只有用于发现的UDP组播和用于消息的TCP。你可以在局域网中运行它，节点会自动找到彼此并可以直接发送消息。
它是通过TCP以明文传输的，仅限局域网，没有NAT穿越，所有的限制都在这里。
返回首页
最新
在“谁在招聘”的帖子中，许多职位列表提供了薪资范围，但它们的股权激励几乎都只是简单地表示“具有竞争力的股权”。我的经验表明，这在不同公司之间可能意味着截然不同的事情，即使是在相似的融资阶段提供的类似报价中。
鉴于过去几年工作市场发生了很大变化，我很好奇现在的“具有竞争力的股权”是什么样的。我特别想了解在不同融资阶段的初创公司（从A轮到大约E轮：基本上是任何仍然以“百分比”而非“现金价值”来衡量ISO股权的公司规模）以及不同级别的全栈软件工程师（从入门级到首席工程师）中的情况。
我并不是特别在寻找“人工智能”相关的职位，尽管我承认我对此有些好奇。
我制作了一个类似维基百科的网站，您可以在上面输入文章。您在文章中输入的每一个单词（区分大小写）都是一个超链接，点击后会跳转到一个“可能是空的”页面，基于该单词。一旦您进入新页面，就可以为这个新单词撰写文章。您还可以使用ASCII艺术为文章绘制图像。这个网站内置了一个AI机器人，可以与您一起生成文章。
嗨，HN，
我们一直在实验如何让AI代理更加确定性、可观察和生产安全，这促使我们构建了AgentML——一个用于定义代理行为的开源语言，采用状态机而非提示链。
我的联合创始人之前发过帖子，但链接的是项目网站而不是代码库，所以在这里重新分享一下。
AgentML允许你将代理的推理和行动描述为有限状态模型（可以把它想象成代理的SCXML）。每个状态、转换和工具调用都是明确且机器可验证的。
这意味着你可以：
- 确定性地重现任何决策路径
- 跟踪推理和工具调用以进行调试或合规性检查
- 确保代理只执行有效的操作（例如：“在验证之前绝不发送付款”）
- 在本地、云端或基于MCP的框架中运行
示例：
```xml
<?xml version="1.0" encoding="UTF-8"?>
<agentml xmlns="github.com/agentflare-ai/agentml"
xmlns:openai="github.com/agentflare-ai/agentml-go/openai"
version="1.0"
datamodel="ecmascript"
name="researcher">
<datamodel>
<data id="papers" expr="[]"
schema='{"type":"array","description":"Fetched papers from Hugging Face"}' />
<data id="summary" expr="''"
schema='{"type":"string","description":"Summary of the papers"}' />
</datamodel>
<state id="start">
<onentry>
<log label="Researcher: "
expr="`Fetching papers from Hugging Face and summarizing with OpenAI\n`" />
<openai:generate model="gpt-4o" location="summary" stream="false">
<openai:prompt>Summarize these recent AI/ML papers from Hugging Face:
{{fetch "https://huggingface.co/api/daily_papers"}}
Provide a concise summary of the key trends, breakthroughs, and developments in AI/ML research.
</openai:prompt>
</openai:generate>
</onentry>
<transition target="log_summary" />
</state>
<state id="log_summary">
<onentry>
<log label="Researcher Summary: " expr="summary" />
</onentry>
<transition target="done" />
</state>
<final id="done" />
</agentml>
```
我们在Agentflare中使用这个工具来为多代理系统添加可观察性、成本跟踪和合规性追踪——但AgentML本身是完全开源的（MIT许可证）。
代码库： [https://github.com/agentflare-ai/agentml](https://github.com/agentflare-ai/agentml)
文档： [https://docs.agentml.dev](https://docs.agentml.dev)
我们还推出了SQLite-Graph，这是一个与Cypher兼容的SQLite图形扩展，将作为AgentML本地内存层的基础。它同样是MIT许可证：[https://github.com/agentflare-ai/sqlite-graph](https://github.com/agentflare-ai/sqlite-graph)
我们非常希望听到任何使用LLM编排框架、基于规则的系统或嵌入式MCP工具服务器的人的反馈……尤其是关于如何将确定性模式扩展到多代理协调方面的反馈。
—— Jeff @ Agentflare