返回首页
最新
开发者目前为人工智能的使用付费，然后通过订阅、限流或定价层来回收成本。这带来了几个问题：
1. 应用需要跟踪每个用户的使用情况，并构建复杂的计费逻辑。
2. 用户在不同的应用中为相同的基础人工智能多次付费。
我正在尝试一种不同的模型：用户直接为自己的人工智能使用提供资金，类似于预付费移动数据。
在这个系统中：
1. 用户预存余额
2. 每个请求由用户签名
3. 每个请求的费用从用户的余额中扣除
4. 应用不需要为代币付费或管理计费
我构建了一个名为 rNet 的原型。该协议已经上线，客户端库可用（npm、Maven），文档也已公开：
https://www.rnetai.org/
这仍然处于早期阶段，我主要在寻找反馈——在技术、经济或用户体验方面，这个模型在哪些地方存在问题？
大家好，最近我决定订阅 Google One AI Pro。这样做主要是为了使用 gemini-cli。虽然我对这个决定并不后悔，但我觉得我可以更好地利用这个工具。基本上，我希望能获得一些关于如何提高 gemini-cli 效率的建议。例如，我尝试过 caveman 扩展，它确实减少了令牌消耗，但我并不太喜欢它。所以，如果你们能给我一些建议，我将非常感激。
我一直在探索一种不同的人工智能使用付费模型。
目前的情况是：
1. 开发者需要跟踪每个用户的使用情况，建立复杂的定价系统以保持盈利，并处理前期的人工智能代币成本。
2. 用户在不同的应用程序中多次为相同的人工智能付费。
rNet 试图将这一模式转变为更接近互联网服务提供商（ISP）的模型，让用户直接为自己的使用付费。
这仍然是一个早期的概念验证。该协议已经上线，库已在 npm 和 Maven Central 发布，文档也已公开。
我主要希望获得关于这个模型在技术或概念上可能出现问题的反馈。
网址：- https://www.rnetai.org/
AgentRQ 是一个（可选的）人机协作、自我学习的闭环任务管理器，专为代理（agents）设计。代理可以为自己创建和安排任务，并按照自己的时间表进行工作。
从高层次来看，它配备了一个主管 MCP，负责控制工作空间（工作代理），以及无限数量的独立工作空间 MCP（自我学习代理）。
每个工作空间/代理都有一个使命/角色，并且具备自我学习循环的功能。
我在生产环境中使用它大约六周，完成了超过 500 个任务。我刚刚发布了开源版本（与生产环境中的版本相同），采用 Apache 2.0 许可证。
目前，它支持 Gemini CLI 和 Claude 代码。我计划很快扩展对所有主要代理的支持。
欢迎提出任何问题。
我甚至不使用Copilot。然而，如果你和我一样，有时使用源代码控制选项卡来暂存文件或手动编写提交信息，它会自动将Copilot添加为该提交的共同作者。<p>微软/ GitHub的任何人怎么会觉得这样没问题？我根本不使用你们的人工智能，这段代码是我自己写的。这看起来实在是太绝望了。