返回首页
一周热榜
嗨，HN！<p>我搭建了这个<i>小型</i>MCP服务器，以防止我的AI代理生成不存在的Helm值。<p>这个MCP服务器允许你的副驾驶助手：<p>1. 检索Artifact Hub上Helm图表的一般信息<br>
2. 从Artifact Hub上的Helm图表中检索values.yaml<p>如果你需要更多工具，欢迎提交PR，告诉我你想要看到的工具 :)<p>链接：<a href="https://github.com/AlexW00/artifacthub-mcp">https://github.com/AlexW00/artifacthub-mcp</a>
在过去的几个月里，我一直在构建一个类似于棋类游戏的系统，用于预测销售对话中的转化概率。销售分析向来是一个难题，现有的大型语言模型（LLMs）或小型语言模型（SLMs），包括ChatGPT、Claude或Gemini，都未能完全分析销售对话。那么，我们是否可以根据预测的转化概率来引导对话呢？也就是说，基于超过10万个销售对话进行强化学习（RL）训练，以从嵌入向量中预测最终的概率。因此，我使用了Azure OpenAI的嵌入模型（特别是text-embedding-3-large模型）来创建各种对话。强化学习的主要目标是转化（奖励=1），它会生成不同的对话和路径，其中大多数会导致未转化（0），而一些会导致转化（1），同时生成3072个嵌入向量，以捕捉对话的细微差别和语义。其他字段包括：
- 公司/产品标识符
- 对话消息（JSON格式）
- 客户参与度和销售效果评分（0-1）
- 每个回合的概率轨迹
- 对话风格、流程模式和渠道
然后，我使用PPO（近端策略优化）训练了一个强化学习模型，通过使用线性层降低维度，并用它进行最终预测。
数据集、模型和训练脚本都是开源的。我还在Arxiv上写了一篇相关论文。
数据集：[https://huggingface.co/datasets/DeepMostInnovations/saas-sales-conversations](https://huggingface.co/datasets/DeepMostInnovations/saas-sales-conversations)
模型、数据集创建、训练和推理：[https://huggingface.co/DeepMostInnovations/sales-conversion-model-reinf-learning](https://huggingface.co/DeepMostInnovations/sales-conversion-model-reinf-learning)
论文：[https://arxiv.org/abs/2503.23303](https://arxiv.org/abs/2503.23303)
顺便提一下，推理时请使用Python 10版本。此外，我正在考虑使用开源嵌入模型来创建嵌入向量，但这将需要更多时间。
我还在此基础上创建了一个平台来构建代理，完全免费，网址是：[https://lexeek.deepmostai.com](https://lexeek.deepmostai.com)。您可以通过这个网站与代理聊天：[https://www.deepmostai.com](https://www.deepmostai.com)。
我正在通过MCP将各种内部工具/数据存储（例如Postgres、值班工具等）连接到Cursor。<p>我面临的一个反复出现的问题是如何通过Cursor管理和执行员工级别的访问控制列表（ACL），以便与外部管理/执行的方式一致。<p>比如说，一名员工对包含支持票据的Postgres表有有限的读取权限，我希望他们在通过Cursor访问该表时也能保持相同的访问级别。<p>看起来在公司范围内运行远程MCP服务器实例是一个开始。有没有人正在解决AI驱动的IDE领域中的用户管理和权限问题？
RevGrow AI 是一个专为初创企业和成长型企业设计的收入智能平台。它解决了制定有效收入增长策略的问题，这一过程往往因手动分析复杂数据而变得困难。许多企业由于未能有效理解天气、竞争对手活动和社会趋势等外部因素对销售的影响而损失收入。RevGrow AI 独特之处在于，它通过将与您业务相关的多样化外部数据与内部指标结合，利用人工智能分析来解决这一问题。这一过程揭示了被忽视的具体收入机会，并识别出资金流失的领域。该平台随后提供量化的策略和可操作的步骤，以帮助企业捕捉这些收入或修复资金流失问题。