最新

每个聊天机器人处理上下文溢出的方法都是一样的——将所有内容总结成一个块，并丢弃来源。我用一个并查集森林替代了这种方法：消息合并成簇，每个簇都有自己的摘要，你可以追溯任何摘要到产生它的消息。 我进行了七次与传统扁平摘要的对比试验。在每次试验中，并查集在事实回忆上领先15-18个百分点。其中一次达到了显著性（p=0.039），其余的结果则呈现出方向性。一个有趣的发现是：扁平摘要会遗漏“脚注”事实（如cron调度、webhook路径），因为这些信息在空间上与主要事实竞争。而每个簇的摘要则没有这种压力。 代码和试验日志请见： [https://github.com/kimjune01/union-find-compaction](https://github.com/kimjune01/union-find-compaction)

大家好，大约两个月前我开始了一个关于“异步编码”的副项目，我可以在火车上通过手机提示Claude Code，完成后会收到通知，然后可以直接在应用中查看和提交代码。 从那时起，我时不时地使用它。最终我决定对其进行完善并发布，以便有需要的人能找到它。 这是一个自托管的渐进式网络应用（PWA），包含四个面板：代理（运行Claude Code的终端）、浏览（带语法高亮的文件浏览器）、终端（标准bash shell）和Git（带有暂存/提交的差异查看器）。它可以在廉价的VPS上运行，并提供了一个完整的功能设置（使用cloud-init和简单的bash脚本）。 这符合我喜欢的工作流程，我可以保持信息同步：我会查看每个差异，手动控制git，并在更改提交之前批准或拒绝它们。 技术栈：Go WebSocket桥接，xterm.js前端，Ubuntu沙箱容器。所有内容都在Docker中运行。可以与任何CLI AI助手配合使用，尽管我只用过Claude Code。 这是一个副项目，按原样提供，遵循MIT许可证。使用风险自负。欢迎反馈和合并请求。 编辑：已删除冗余文本。