最新

我认为OpenAI、Claude等对智能体的定义并没有被理解在同一个层面上。微软在萨提亚·纳德拉接管时曾经理解过这一点，但随后又放弃了，可能这也是他们收购OpenAI的原因。谷歌和苹果在他们的AI助手上摸索不前，这些助手仅能在手机上运行以安排日程。Meta可能稍微活跃一些，其开源项目显示了这一点。但没有一家大公司在AI问题上建立起自己的基础。 AI曾经被大型科技公司视为玩物或玩具，仅在内部使用或偶尔对外发布，而现在它的性质发生了变化。就像苹果和微软曾经在消费级计算机上争夺处理器性能、定价和设计一样，市场也定义了类别。如今，这些类别随着AI模型的非确定性答案或应用而发生变化。现实中有真正的客户和真实的需求，企业的产品没有保证的利润，而这是有史以来最灵活的技术。 在物理学中，一个元素的灵活性和抗压性使其适用于几乎任何机制或结构。AI就是这样的元素，而发现它的科学行业却无法真正弄清楚该如何调整它以适应哪些结构或机制。关键在于，大型科技公司自我安慰于其创建AI的项目，但它们并不是AI公司。它们是最被炒作的消费者，这正是现在向富人出售的最佳时机。

我玩了一个安卓游戏，内容是在随机字母网格中寻找单词（类似于Boggle），非常有趣。对我来说，最大的挑战是找到最长的单词，而发现自己遗漏的单词则是学习新词汇的一种方式。 我在这个概念上进行了迭代，制作了一个可以在浏览器中玩的游戏，名为Gridogram：与随机字母网格不同，每天的字母网格是根据与当天相关的名言生成的。 例如，这里有一个网格，你可以在其中找到Y Combinator的座右铭[1]： ``` E G I W L H N A P T M K S O E P ``` 寻找单词的方法是：连接水平、垂直或对角相邻的字母，且不能重复使用同一个字母。 在开发方面，一个有趣的挑战是确定一个名言适合的最小网格。我创建了一个包含名言中字母的无向图，计算节点数量，确保每个节点的边数可以适应网格……但我发现这样的图形不一定能映射到网格上，因此下一步是深入了解子图同构问题。 网格的大小在3x3到5x5之间（在计算上，5x5的生成可能需要较长时间）。有些网格很快就能完成，玩家在十几秒内就能解决，而有些则确实非常困难。 我很想听听你对这个游戏的看法。 [1] “做一些人们想要的东西”

我一直在失去我的 Supabase 侧项目，因为它们在一周不活动后会被暂停，90 天后会被永久归档。在不得不迁移一个已归档项目（这个过程非常痛苦）之后，我开发了 Supakeep 来解决这个问题。 它会每 3-7 天自动向你的 Supabase 项目发送请求，以保持它们的活跃状态。无需注册，数据保存在你的浏览器中，并且对于最多 30 个项目是免费的。 它使用 cron-job.org 的 API 来调度保持活跃的请求到 Supabase 的 REST API。使用 Next.js 和 TypeScript 构建。 我非常希望能得到社区的反馈，特别是如果你也遇到过同样的问题！

大家好， 我一直在致力于“精彩的人工智能应用”项目，探索并构建适用于任何使用大型语言模型（LLMs）和自主工作流的实用示例。 最初，这只是我记录实验内容的一种方式，包括基本代理、RAG管道、MCPs以及一些多代理工作流，但现在已经发展成一个更大的集合。 目前，它包含了25个以上的示例，涵盖不同的技术栈： - 启动代理模板 - 复杂的自主工作流 - 基于MCP的代理 - RAG示例 - 多种自主框架（如Langchain、OpenAI Agents SDK、Agno、CrewAI等） 你可以在这里找到它们：https://github.com/arindam200/awesome-ai-apps 我还在尝试使用FireCrawl、Exa等工具，并测试多代理的新协调模式。 老实说，我只是想把这些“简单的想法”转化为人们可以直接应用于实际应用程序的示例。 现在我在思考接下来要构建什么。 如果你有想法或者希望存在的用例，请在这里分享。很想听听其他人正在构建或遇到的问题。 如果你正在做类似的项目，随时欢迎合作。