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。
返回首页
最新
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>
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？