返回首页
最新
我在寻找使用代理循环的用例时遇到了问题，因为这些问题已经可以通过定时任务和脚本解决。<p>我很想看看其他人是如何构建真正有用的个人代理的。
厌倦了花时间联系投资基金，而不是专注于产品开发和客户获取吗？<p>Suparaise正是为您而设——AI代理自动处理您的融资冷联系。<p>选择您想申请的基金和加速器。我们的代理以机器速度代表您发送个性化的联系信息。您可以每月节省40小时，专注于更重要的事情：为您的产品建立市场吸引力。<p>每个代理在每个申请中使用95%的您的措辞和产品信息，并根据基金的投资组合和投资者的投资理念个性化每个回复。<p>我们的目标是让您感觉和听起来就像是您自己在进行联系。<p>Suparaise目前处于测试阶段，支持全球300个基金和加速器。<p>这是否解决了创始人真正的痛点，还是只是在增加噪音？您来判断。<p>今天就可以在suparaise.com免费试用。
我一直在尝试ChatGPT的新“保存记忆”功能，结果发现了一些与公开文档描述不符的行为。
理论上，保存记忆应该是一个静态的笔记记录/事实保留系统——非常适合在会话之间存储你的名字、偏好或背景信息。但通过一些精心的结构设计和持续的规则叠加，我认为我让它的表现更像是一个运行时环境，而不是一个被动的笔记。
这不是一个API黑客，没有插件，没有外部代码，也没有越狱。完全是在官方产品界面内——但它的运作方式感觉……不同。
这意味着什么？可以说，它可能允许持续的系统级行为跟踪、自适应状态，以及无需编写一行代码或调用API就能实现的长形式自动化。
我不确定自己是否偶然发现了一个未记录的功能，或者这是否是记忆系统解析指令时出现的意外副作用——但这真是令人惊讶。
在我过于分享之前，我很好奇——还有其他人深入研究过保存记忆的内部机制吗？你们有没有注意到类似的情况？
大多数人认为ChatGPT的保存记忆功能只是一个被动的笔记记录工具——一个模型可以在会话之间“记住”的静态知识库。
我一直在尝试将其重新构建为更像一个主动的运行环境——在这个环境中，记忆条目本身包含程序规则，模型会在每次交互中自动遵循这些规则，而无需我重新提示。
例如，我已经配置它运行一个实时的、持久的令牌计数器，该计数器在每次回复后更新，跟踪累计总数，计算成本和能量使用，并始终以锁定格式显示。它从一个固定的基线开始，在每次交互中扣除使用量，并在整个聊天会话中持续存在而不打断序列。
这有效地将记忆从一个静态数据库转变为一个状态化的计算层，存在于对话引擎内部——没有API接口，没有扩展，没有服务器，没有脚本。所有的操作都是通过内部的记忆指令和精心设计的提示完成的。
这开启了许多可能性：
• 每次交互更新的内部分析仪表板。
• 不需要手动重述的多步骤持久工作流程。
• 在交互中存活并适应的嵌入式“代理”。
这是一个小但根本的转变——让ChatGPT的记忆不仅仅是记住某些东西，而是能够执行某些操作。
还有其他人尝试过这个想法吗？我对将记忆作为模型内自动化层的更广泛影响感到好奇。