最新

我正在开发一个MCP工具，用于Claude在多个国家的注册机构中搜索公司名称、董事和股东。该工具会返回包含股东信息的原始PDF文件，但这些PDF文件有时超过50MB。我希望保持PDF的原始格式，但Claude无法读取这么大的文件。而财务信息仅在几页上。请问有什么好的解决方案吗？谢谢。

警告：如果你在谷歌上搜索“Claude Desktop”，第二个广告结果是一个骗局。这怎么会被允许存在？我昨天甚至已经举报了这个广告，而Gemini能够识别它是一个骗局。为什么谷歌允许在最热门的搜索中出现诈骗广告？第二个广告似乎是恶意的，目的是在你的电脑上安装隐藏的间谍软件，从而通过终端窃取你的所有密码。以下是它链接的网站：https://chat.chatbotapp.ai/claude?utm_source=GoogleAds&utm_medium=cpc&utm_campaign=%7Bcampaign%7D&utm_id=23518808628&utm_term=190406837217&utm_content=795570932766&gad_source=1&gad_campaignid=23518808628&gbraid=0AAAAA9X0Rz2qcMkbnYW5mgRBZdmdvS1Fg&gclid=CjwKCAjwnZfPBhAGEiwAzg-VzCTvmz1qjXNuSEUPWB-T3w3RIwXZ3At2wGhy2ANMWizJnkifmlHlcxoCVdUQAvD_BwE 谷歌的工作人员能否对此采取措施？

我正在建立一个P2P众包运输市场，基本上就像BlaBlaCar，但用于包裹而不是乘客。旅行者在城市或国家之间移动时，会为需要寄送物品的人携带包裹。 我们即将推出最小可行产品（MVP），但面临经典的“鸡和蛋”问题。 旅行者在没有包裹可携带的情况下不会注册，而寄件人在没有可用旅行者的情况下也不会发布信息。每个市场创始人都说“先专注于一方”，但没有人具体说明他们是如何做到的，尤其是在你无法像使用SaaS着陆页那样伪造供应的情况下。 对于那些建立过P2P平台或双边市场的人：在你们的前50-100笔交易中，实际有效的方法是什么？你们是手动匹配人吗？对一方进行补贴吗？限制在一条路线或城市吗？

目前关于“氛围编码”（Vibe Coding）的讨论热烈（也伴随着一些反对声音），这并非没有道理。能够完全依靠放松心情、指挥人工智能代理为你打字来构建软件的想法，确实令人兴奋，但尝试这一方法的大多数人仅仅几天后就遭遇了残酷的现实：人工智能代码腐烂。最开始它能正常工作，但随后就失败了，而你却不知道该如何修复。 我决定开发一个应用程序：一个复杂的晚餐安排引擎。它可以导入食谱网址，并输出时间表、购物清单以及我在经营周末晚餐俱乐部15年后积累的喂养大团体的各种建议。 这个项目的核心是导入网址，并将（通常写得很糟糕的）步骤分解为机器可理解的单位，这些单位可以被定时并重组为流畅的时间表。我多次被告知这将是“不可能”的。每个食谱都是个例！他们可能是对的……如果你想要100%的合规性。但这根本不可能发生（除非你是NASA）。问题总是：什么程度算是足够好？一个应用程序何时才算有用？或者更准确地说，我愿意让机器告诉我一块羊腿在技术上是热饮的次数有多少，才会去拿锤子？ 显然，我对阅读人类食谱和提取多个指标的难度没有任何概念。早期我失败得很惨；我的框架在千条if/then语句的重压下崩溃。但在发现一个名为“妥协”的模块后，我又尝试了一次，它利用神经语言学来理解词性。它可以被教导“烤、盐、蒸、尘或擦”是动词还是名词。它知道指令与建议的区别。这非常有用。我想感谢Spencer Kelly（GitHub上的spencermountain）为他的工作。我无法完成我的项目，没有他的帮助。 关于人工智能代理的幽默感，值得一提的是；“幽默”是指我真的笑了。在一次与一个棘手的语言问题的长时间会话后，一个代理对我说：“看起来我们遇到了加州旅馆的情况！你的句子可以入住，但你的短语永远无法离开。”这话从哪里冒出来的？ 当一个项目达到一定规模时，人工智能开始大量产生幻觉，将数学与用户界面组件纠缠在一起，并生成混乱的代码。大型语言模型（LLM）自然会选择最简单的路径来修复一个即时的错误，逐渐将你的代码库变成一个完全无法调试的“上帝对象”。 除了三十年前自学的一些非常基础的C++知识外，我在编码方面几乎没有背景，但我指挥自主代理构建了一个超过22,000行、数学上复杂的有向无环图（DAG）调度引擎。我不是通过学习编码来实现这一点，而是通过学习如何管理人工智能。 为什么要管理？难道人工智能不聪明吗？是的，也不是。你能提取的知识几乎是无穷无尽的。它是事实和工具的源泉，但……它有时也会愚蠢得令人发指。让我们用一个比喻来说明。你建了一座房子，完美无瑕。你在前门旁边摆放了一些可爱的月桂盆栽。“嗯，”你说，“那盆植物需要向左移动一英寸。”于是，建筑工人用靴子推了推花盆。另一方面，人工智能……它把植物留在原地，开始拆房子！它们只看到眼前的东西。你必须努力去整理它们的“上下文”。 或者正如一个代理刚刚报告的：“你的批评在建筑上是正确的。我们正在处理下游的症状，而不是在上游切除根本原因。我为什么提出下游修复：在我严格的‘最小变更/保守建筑师’约束下，我选择了数学上最简单的路径——直接修补计算器以处理混乱的数据。”我希望我们能调整代理的先验知识——它们的硬编码态度。反直觉的是，它们会乐于帮助你约束它们的混乱行为。问一个代理如何让它表现得更好，它会高兴地为你写一本规则手册。

苹果悄然将一个相当完整的本地人工智能堆栈集成到macOS中，这些功能在macOS 26中首次获得API访问权限。基础模型中包含多个组件，但它所搭载的技能使得这个约30亿参数的模型变得实用。访问该模型的API非常简单，目前还没有人真正将它们结合在一起。 - 基础模型（macOS 26） - 一个约30亿参数的语言模型（LLM），带有API。支持流式处理、结构化输出和工具使用。无需API密钥，无需云调用，无需按令牌计费。 - NLContextualEmbedding（自然语言框架，macOS 14及以上） - 一个BERT风格的512维文本嵌入器。正是OpenAI和Cohere所销售的，自iOS 17以来就已在苹果的SDK中。 - SFSpeechRecognizer / SpeechAnalyzer - 本地语音转文本功能，包括实时听写。在Apple Silicon上具有良好的准确性。 我在这三者之上构建了cyberWriter，一个Markdown编辑器，主要是作为测试和展示，看看它能做些什么。实际上，我最初集成了本地和云AI，然后苹果发布了基础模型，集成非常简单，现在即使没有本地或API AI知识的用户也只需点击一两下就能使用。真正的原因是大多数Markdown编辑器需要具有完全系统访问权限的插件，而我从事健康数据工作，无法这样做。 Vault聊天/语义搜索。该应用通过NLContextualEmbedding索引你的Markdown文件夹（在M1上处理1000个块大约需要50秒）。搜索栏有一个“相关想法”部分，根据意义进行匹配——输入“轨道力学”会显示关于火箭和发射窗口的笔记，即使这些确切的词并未出现。向AI提问，它会检索前5个块作为上下文。这是简单的检索增强生成（RAG），但嵌入器、检索、聊天模型和搜索都在本地运行。 AI工作区。按Command+Shift+A打开聊天面板，按Command+J触发内联快速操作（重写、总结、改变语气、修正语法、继续）。苹果智能是默认选项；如果你愿意，Claude、OpenAI、Ollama和LM Studio都可以使用。相同的上下文层——文档选择、附加文件、检索的vault块——通过相同的系统消息路径为每个提供者提供服务。由于vault上下文是文件和文件名感知的，如果它为你写或编辑文档，可以创建指向引用文件的反向链接。 语音笔记和听写。直接在文档中录制语音笔记，使用SpeechAnalyzer进行转录，或者在思考时直接在编辑器中听写。音频不会离开Mac。 隐私问题很简单，因为这些基本元素已经是私密的。向量存储在与vault相邻的`.vault.embeddings.json`文件中，绝不会发送到任何地方。如果使用苹果智能，即使是检索的文本也会保留在设备上。对于云模型，在任何文件名或片段离开机器之前都有明确的切换和内联警告。 诚实的限制： - 512维嵌入是中等水平的表现。GPT-4级别的嵌入器能够捕捉到更微妙的关系，而这个模型可能会遗漏。 - 256令牌的块可能会在长段落中间拆分。 - 基础模型的上下文窗口限制在约6000个字符，因此vault上下文预算为3000个字符，其余部分带有截断标记。 - 目前多语言支持仅限英语。NLContextualEmbedding有拉丁文、斯拉夫文和中日韩模型变体；在块之间连接语言检测器是第二阶段的工作。 这些API的开发者体验确实很好。基础模型流畅，NLContextualEmbedding按需下载资源，并在几行代码中提供可均值池化的令牌向量。好奇这里其他人基于这个堆栈构建了什么——感觉像是已经放置了一段时间的低垂果实。 苹果的AI嵌入功能今天上线。老实说，我很惊讶它能开箱即用。