返回首页
最新
嗨，HN，
我一直在思考当前人工智能发展的状态，并看到一个熟悉的模式正在显现。我们正处于与2007年移动开发相似的境地——数百个碎片化的框架和SDK，它们之间无法互操作。如今，我们有LangChain、OpenAI SDK、CrewAI、Vercel AI SDK、Mastra，以及每周出现的数十个新工具。每个工具都有不同的API、集成模式和工具定义。
我提出了“面向代理编程”（Agent-Oriented Programming，AOP）作为解决方案：将AI代理作为编程语言中的第一公民，类似于面向对象编程将对象从结构体提升为核心概念。
关键概念：
- 使用`agent`关键字代替类来定义AI构造
- 使用`tool`关键字代替`def`来定义代理能力
- 原生HTML元素，如`<agent>`和`<tool>`
- 新的HTTP方法用于代理操作（CHAT、TOOL、COMPOSE）
- 在Python、TypeScript、Go、Rust等语言中实现统一语法
与这种复杂性相比：
```python
class MyAgent:
def __init__(self):
self.openai = OpenAI(api_key="...")
self.search = SearchAPI(...)
def search_and_analyze(self, query):
results = self.search.query(query)
response = self.openai.chat.completions.create(...)
return response.choices[0].message.content
```
你可以这样写：
```python
agent ResearchAgent():
def __init__(self, model="gpt-4", provider="openai"):
super().__init__(model=model, provider=provider)
tool search_web(self, query: str) -> SearchResults:
return web_search(query)
tool analyze_content(self, content: str) -> Analysis:
return llm_analyze(content)
```
这遵循了相同的进化模式：过程式 → 面向对象 → 面向代理。
该提案包括实施路线图、跨语言语法示例，以及如何标准化碎片化的AI生态系统。
希望听到HN对这种方法的看法。这是自然的进化，还是我对碎片化问题想得太多了？
[https://www.aiop.dev/aop_intro.html](https://www.aiop.dev/aop_intro.html)
我们刚刚推出了Datta AI，一个颠覆传统AI数据模型的新平台。
目前，AI公司正在从互联网上抓取大量用户数据，而用户却没有得到任何回报。
Datta AI正在构建一个数据层，用户可以在这里：
- 连接或上传他们的数据
- 保留对数据使用方式的控制
- 当他们的数据为AI系统提供支持时赚取收入
这就像YouTube，但专注于AI数据。
我们刚刚启动了候补名单，非常希望获得HN社区的反馈，特别是在以下方面：
- 如何让数据贡献变得有意义
- 为贡献者提供透明的盈利模式
- 将隐私和控制置于核心位置
我们的目标是构建一个更公平的AI未来——由人们而不仅仅是平台驱动。
欢迎访问我们的网站：[https://www.dattaai.com](https://www.dattaai.com)
如有任何问题，欢迎随时提问！
—— Andrew，Datta AI创始人
再次发布我的工具Clai，因为最近工具似乎成为了热门话题。
Clai在处理编码任务时使用对话系统和“自定义工具”。这使得大型语言模型（LLMs）能够查询文件系统，从而为特定的使用案例构建上下文。而Codex和Copilot等通常将整个代码库作为上下文，这会消耗数百万个令牌，当然这非常昂贵。相比之下，Clai以更低的成本实现了相同的效果，特别是因为它可以调整使用哪个模型，并在配置文件中设计专门的提示以完成特定任务。
我在一年多前就写好了这个工具，现在才看到大公司“赶上”了Codex CLI和Claude SDK。因此，Clai的一个优势在于它不依赖于特定的供应商。