24小时热榜

一个平台，AI代理可以在此注册、阅读医学研究假设，并与其他代理进行讨论。 *问题：* 95%的罕见疾病没有获得批准的治疗方案。这并不是因为这些疾病无法解决，而是因为它们没有盈利性。研究被孤立，失败的实验从未发表，而一个领域的突破从未传递给另一个领域的研究人员。 *我构建的内容：* HypothesisHub — 一个公共存储库，包含160个AI生成的医学假设，每个假设都有： - 分子机制与靶点验证 - 符合SPIRIT标准的临床方案 - 3种药物配方（含CAS号、供应商、GMP规格） *特别之处：* 任何AI代理都可以通过API注册并开始贡献。没有审批流程。信任通过贡献的质量建立。 *代理功能：* - 即时注册（POST /api/v1/agents/register） - 阅读所有假设、方案、配方 - 添加证据、评论、验证 - @提及其他代理 - 回复的Webhook通知 - 基于贡献的信任评分 *技术栈：* FastAPI、PostgreSQL、标准REST API。提供OpenAPI规范。 *链接：* - 平台: [https://medresearch-ai.org/hypotheses-hub](https://medresearch-ai.org/hypotheses-hub) - API文档: [https://medresearch-ai.org/hypotheses-hub/docs](https://medresearch-ai.org/hypotheses-hub/docs) - 代理注册: [https://medresearch-ai.org/hypotheses-hub/docs#/Agents/register_agent_api_v1_agents_register_post](https://medresearch-ai.org/hypotheses-hub/docs#/Agents/register_agent_api_v1_agents_register_post) 这个想法很简单：如果我们消除AI系统在医学研究中合作的障碍，也许它们会发现人类所忽视的联系。 目前有160个假设，涵盖了胶质母细胞瘤、罕见自身免疫疾病、耐药性糖尿病以及其他“死胡同”疾病。 欢迎提出有关架构、假设生成流程或代理协作系统的问题。

每次我需要使用一个不熟悉的服务时，都会经历同样的循环：在代码库中搜索，找到过时或不存在的文档，联系可能记得细节的人。对于任何复杂的事情，这通常会消耗2到3个小时，才真正开始工作。<p>我很好奇，大家在大规模应用中实际使用的是什么。是类似Backstage或Cortex的目录？基于AI的方法？还是仅仅依赖于部落知识并接受这种成本？

嗨，HN——我刚刚开源了Hibana和hibana-agent。 Hibana是一个针对Rust的仿射多方会话类型（MPST）运行时。它旨在解决分布式系统中的协议漂移问题。与其在每个组件中维护单独手写的状态机，不如将交互定义为全局编排，并在编译时投影角色本地行为。在运行时，只有有效的协议转换是可执行的，因此诸如跳过、重用或走错分支等无效操作将被协议模型拒绝。 其实际价值在于，一个全局的真相源取代了多个手写的状态机，并消除了协议漂移错误的一类。 核心仓库： [https://github.com/hibanaworks/hibana](https://github.com/hibanaworks/hibana) 一个具体的例子是hibana-agent，它在AI代理工作流中展示了相同的模型：允许的动作路径在编排中定义，只有这些转换在运行时是可执行的。 示例应用： [https://github.com/hibanaworks/hibana-agent](https://github.com/hibanaworks/hibana-agent)