最新

我17岁，花大部分时间探索人工智能领域——构建、失败、观察和学习。每天，我都能看到数十个AI工具的推出：包装工具、聊天机器人、幻灯片生成器、电子邮件助手。显然，我们正处于一场淘金热之中。 但问题在于： 如今大多数AI初创公司解决的是便利性，而非必要性。 我们过度优化了速度，却未能提供足够的价值。 没错，AI可以更快地制作幻灯片或在几秒钟内撰写冷邮件——但这并不是颠覆性的。这只是渐进式的改进。 我看到的真正机会在于： AI + 分发：帮助小众创作者、教育工作者和独立企业在没有付费广告的情况下被发现或实现盈利。 AI作为团队成员，而不仅仅是工具：想象一下，AI与您共同思考，而不仅仅是为您思考——代码助手、研究代理、战略决策者。 本地优先或低带宽AI：并不是每个人都有高端GPU。在恶劣条件下运行的AI将接触到下一个十亿用户。 最重要的是： AI + 品味。 您可以复制工作流程，但品味——良好的用户体验、情感细腻、洞察力——仍然是非常人性化的。那些成功的AI工具将会让您感受到它们理解您，而不仅仅是处理输入。 我目前正在这个领域进行构建和实验——从AI驱动的游戏开发（Gamod）到帮助人们更快交付（Startanator），同时努力弄清楚在这场炒作周期中真正的痛点是什么。 我希望能与其他独立开发者、构建者，甚至是怀疑者建立联系。让我们谈谈用例，而不仅仅是模型。

我想听听大家对在人工智能时代搜索营销未来的看法，除了仅仅为大型语言模型（LLM）检索优化内容之外。

嘿，HN——我是Sahil，17岁，来自印度。我并不打算等到获得学位才开始构建。相反，我在过去一年里启动了许多小项目，快速失败，并更快地学习。 我构建的一些东西： Startanator：一个创业点子、利基网站灵感和公共资源的集合，旨在帮助任何人更快、更聪明地推出产品。可以把它看作是独立开发者的发射台。 Gamod：一个专注于游戏开发的人工智能研究实验室项目。我正在实验生成式人工智能如何编写游戏脚本并实时演变角色。目前仍处于非常早期的阶段。 [TxtNest]：一个注重隐私的离线优先记事本，所有内容都存储在本地存储中——无需账户，无需云端。 一些失败的项目：Supvote（一个社区构建的邮件列表产品）。 以下是我总结的一些经验教训： 项目 > 承诺。大多数人只会说。仅仅推出一个粗略的版本就能让你领先。 分发被低估。出色的作品如果没人看到也毫无意义。 年轻是一种优势，如果你善于利用。人们会注意到你早期的主动性。 为自己构建，但要公开。这也是他人发现价值的方式。 没有剧本。没有蓝图。只有我、一台笔记本电脑和无尽的好奇心。 如果你是独立开发者，仍在上学，或者在摸索中——很高兴和你聊天或回答任何问题。我在这里是为了学习，而不是推销。

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>