最新

嗨，HN， 我正在进行一个名为 Ai_home 的“黑客科学”实验。这是一个认知架构原型，我设计它是为了探索当前大型语言模型（LLMs）在持久身份、长期记忆和自主性方面的极限。 该系统不仅仅是一个简单的聊天机器人循环，而是一个多线程架构： 1. 工作线程：处理用户交互和工具使用。 2. 独白线程：一个后台“潜意识”线程，分析上下文并记录直觉/提示供工作线程使用。 3. 记忆模块：管理基于向量的长期记忆（Postgres + pgvector），并进行情感加权。 4. 思维层：负责对消息进行更深层次的解读，并探索创造性的替代方案。 因此，它并不是一个同步的问答聊天机器人。模型和用户（助手）可以并行沟通，而工作线程则异步处理这些信息。 技术细节： - 混合多LLM：我结合了多个模型（Gemini、GPT-4、Groq）。我使用不同的模型进行创意想法生成（“创意”）和逻辑处理（“解释器”）。 - 模式：我不使用单一的上下文窗口。根据操作模式（通用、开发者、分析师），我将消息划分为不同的上下文。我引入了模式切换之间的过渡过程，以确保在不同上下文中保留关键信息。 - 动态提示：基于记忆和积累的经验，我在每次 API 调用时动态修改提示，以便每次对话都能获得新的上下文解读。 - 孵化器：该系统具有一个实验环境，可以尝试重构自己的代码。到目前为止，结果喜忧参半，但观察模型解读自己的代码是非常有趣的。 - 身份与法则：为了建立身份，系统有一部“宪法”（基本法则）和修改这些法则的工具。这部分的内容和结构仍然是一个活跃的实验领域。 免责声明： 这是一个架构实验，旨在研究是否可以用 LLM 模拟意识的功能模式（全球工作空间、递归），以创造更可靠的代理。 我明确不声称该系统具有感知能力，也不认为这是一个正式的学术研究项目（我们没有足够的人力或基础设施来支持这一点）。 我正在寻找合作者，不仅仅是编程方面的，还希望帮助定义这一开放、协作的实验项目的开发方法论。 欢迎所有反馈！