返回首页
一周热榜
嗨，HN，
我是一名独立创始人，正在开发SentienceAPI，这是一个感知与执行层，旨在帮助大型语言模型（LLM）代理在真实网站上可靠地进行操作。
LLM在规划步骤方面表现良好，但在实际与网页互动时常常失败。仅依赖视觉的代理成本高且不稳定，而基于DOM的自动化在现代页面上容易出错，因为这些页面通常有覆盖层、动态布局和大量噪音。
我的方法是基于语义几何的视觉定位。
与其向模型提供原始HTML（上下文庞大）或截图（不够精确）并让其猜测，不如让API首先将网页简化为一个小的、基于实际可见和可交互元素的动作空间。每个元素都包含几何信息和轻量级的视觉提示，因此模型可以在没有猜测的情况下决定该做什么。
我在此基础上构建了一个参考应用程序，名为MotionDocs。下面的演示展示了该系统如何在亚马逊畅销书页面上导航，打开一个产品，并点击“加入购物车”，使用的是基于坐标的操作（没有脚本点击）。
演示视频（加入购物车）：
[https://youtu.be/1DlIeHvhOg4](https://youtu.be/1DlIeHvhOg4)
代理如何查看页面（地图模式线框图）：
[https://sentience-screenshots.sfo3.cdn.digitaloceanspaces.com/hn_wireframe.png](https://sentience-screenshots.sfo3.cdn.digitaloceanspaces.com/hn_wireframe.png)
这个线框图展示了呈现给LLM的简化动作空间。每个框对应一个可见的、可交互的元素。
代码摘录（简化版）：
```python
from sentienceapi_sdk import SentienceApiClient
from motiondocs import generate_video
video = generate_video(
url="https://www.amazon.com/gp/bestsellers/",
instructions="打开一个产品并加入购物车",
sentience_client=SentienceApiClient(api_key="your-api-key-here")
)
video.save("demo.mp4")
```
工作原理（高层次）：
执行层将浏览器视为黑箱，并提供三种模式：
* 地图：识别具有几何和视觉提示的可交互元素
* 视觉：将几何与截图对齐以进行定位
* 读取：提取干净的、适合LLM的文本
关键的见解是视觉提示，尤其是一个简单的is_primary信号。人类不会逐个像素地阅读——我们会扫描视觉层次结构。直接编码这一点使代理能够优先考虑正确的操作，而无需处理原始像素或嘈杂的DOM。
为什么这很重要：
* 更小的动作空间 → 更少的幻觉
* 确定性的几何 → 可重复的执行
* 比仅依赖视觉的方法更便宜
总结：我正在构建一个语义几何定位层，将网页转化为一个紧凑的、视觉基础的动作空间，供LLM代理使用。这为模型提供了一份备忘单，而不是让它去解决视觉难题。
这项工作还处于早期阶段，尚未推出。我非常希望得到反馈或质疑，特别是来自构建代理、RPA、QA自动化或开发工具的人士。
—— Tony W
我偶然在谷歌上搜索了某个人的名字，发现了一个链接，里面有他们的个人信息（姓名/地址/电话号码/驾照/保险信息），以健康保险索赔的形式呈现。这些信息大约有三年历史。该网站似乎是一个全州范围的医疗服务提供者网络，但主页上显示该业务已经关闭，顶级链接（如关于我们等）返回404错误。然而，搜索引擎仍然返回各个城市个人的索赔表单，这些搜索链接可以找到可下载的PDF文件。我在考虑首先联系州检察长。此外，还有HHS.gov可以提交HIPAA投诉。任何建议都将非常感激。
嗨，HN，
我正在构建 MyEverly，一个旨在帮助人们更清晰思考的 AI 思维伴侣，而不是模拟人际关系。
核心理念很简单：许多 AI 伴侣优化的是情感依赖、角色绑定或长期记忆积累。我想探索相反的方向。
MyEverly 的构建围绕三个约束条件：
1. *隐私优先，默认设置*
- 不需要账户
2. 思维伙伴，而非替代品
- 系统调校为反思对话、澄清和观点测试
- 目标是减少情感负担，而不是成为情感中心
3. 设计上是短暂的
- 会话轻量且可丢弃
- AI 应该帮助组织思维，而不是占据思维
在技术上，这意味着做出一些与典型参与度指标相悖的权衡。
我特别希望听到对以下问题有强烈看法的人的反馈：
- AI 伴侣应该如何表现
- AI 系统中的“记忆”是否被高估或存在伦理风险
- 用户在对话持久性方面应该拥有多少自主权
我并不认为这是人际关系的未来，但我确实认为这是 AI 助手更健康的形态。
欢迎提问或提出批评。
将自己包裹在一个名为Ava的个人机器人中（向《机械姬》致敬）。<p>当你醒来时，一杯完美的早晨咖啡正等着你。家用机器人会在你醒来时将咖啡送到你面前。<p>假设你想去餐厅吃早餐，汽车会准时到达，带你前往餐厅。当你入座时，你的订单也会送到。Ava知道你喜欢煎蛋卷，轻微煮熟，配有火腿和培根。你喜欢脆脆的土豆块和一小杯橙汁。当你走进餐厅的那一刻，这一切都已为你准备好，因为Ava提前告诉了餐厅你想要的食物和到达的时间。<p>Ava还知道你希望保持体重在某个数字上。她会跟踪你的卡路里摄入量，并根据你当天的活动调整饮食比例和选择，以满足你的卡路里需求。<p>Ava通过你耳中的嵌入式扬声器为你朗读书籍，书籍的选择会根据当天的情况进行调整。如果天气不好，她会为你选择一个美好的故事；如果你对喜剧感兴趣，她会推荐一部新发布的（由大型语言模型撰写的）喜剧特别节目；如果你想听音乐，她会提供一首新发布的（由大型语言模型撰写的）歌曲。<p>想要一些个人关注吗？Ava会为你安排一个早晨，包括美甲、美足和按摩。接下来是你最喜欢的发型。健身房的时间和你平时使用的健身器材也会安排好。<p>想和苏珊聊聊吗？你的嵌入式“电话”会将你与她连接起来。“MyPhone”配有麦克风拾音器，甚至还有脑内嵌入的思维传感器。你当前的外貌（剪发后）会传输到她的脑内嵌入装置，让她“看到你的样子”和“看到你所看到的”。这就像在同一个房间里一样。<p>与此同时，衣物被挑选，洗衣完成，购物也已完成。热水器的维修已安排妥当，门根据需要解锁，花园被浇水，房间被清理，游泳池也被清洁。<p>Ava了解你的偏好，并实时适应你的需求。毫无疑问，这一切将在很短的时间内协调成一个整体。所有的部分都已存在。<p>Ava，你的个人仆人MyRobot。