最新

我一直在与Featureform团队合作他们的新开源项目[EnrichMCP][1]，这是一个Python ORM框架，旨在帮助AI代理以结构化和语义化的方式理解和与您的数据进行交互。 EnrichMCP建立在[MCP][2]之上，类似于ORM，但面向代理而非人类。您可以使用SQLAlchemy、API或自定义逻辑定义数据模型，EnrichMCP会将其转换为一个类型安全、可自省的接口，代理可以在其中发现、遍历和调用。 它会根据您的模型自动生成工具，使用Pydantic验证所有输入输出，处理关系，并支持模式发现。代理可以像开发人员在ORM中一样，自然地从用户→订单→产品进行导航。 我们在内部使用这个工具，让代理查询生产系统、调用API、应用业务逻辑，甚至集成机器学习模型。它与SQLAlchemy开箱即用，并且易于扩展到任何数据源。 如果您正在构建代理系统或任何AI原生的应用，我非常希望能听到您的反馈。代码和文档在这里：<a href="https://github.com/featureform/enrichmcp">https://github.com/featureform/enrichmcp</a>。欢迎随时提问。 [1]: <a href="https://github.com/featureform/enrichmcp">https://github.com/featureform/enrichmcp</a> [2]: <a href="https://modelcontextprotocol.io/introduction" rel="nofollow">https://modelcontextprotocol.io/introduction</a>

最近我们组织内有一个职位空缺，收到的精心制作的简历数量令人惊讶，质量真的很高。<p>这本身就带来了挑战，因为我们需要以某种方式筛选数百份简历。<p>然而在面试中，很明显有些人并不知道如何深入探讨话题。<p>对话显得非常不自然，且充满了“流行词”。<p>事实上，我相信其中一些人是在直接从某个AI提示中“读取”内容，以“准备”面试。<p>我知道招聘对双方来说一直很困难，但可能在AI的帮助下，信号与噪声的比率似乎变得非常失衡。<p>人们都在做些什么呢？