返回首页
一周热榜
嘿，HN，
我开发了Tinman，因为在生产环境中发现大型语言模型（LLM）的失败实在太麻烦了。传统的测试只检查你已经想到的内容，而Tinman则试图发现你未曾想到的问题。
它是一个自主研究代理，能够：
- 生成关于潜在失败模式的假设
- 设计并运行实验来测试这些假设
- 对失败进行分类（推理错误、工具使用、上下文问题等）
- 提出干预措施并通过模拟进行验证
核心循环持续运行，每个周期都会为下一个周期提供信息。
为什么是现在：随着像OpenClaw/ClawdBot这样的工具为代理提供真实系统访问，失败的表面远比“糟糕的聊天机器人响应”要大得多。Tinman拥有一个网关适配器，可以连接到OpenClaw的WebSocket流，以便在请求流动时进行实时分析。
三种模式：
- LAB：对开发环境进行无限制研究
- SHADOW：观察生产环境，标记问题
- PRODUCTION：需要人工批准
技术：
- Python，全面支持异步
- 可扩展的GatewayAdapter ABC，适用于任何代理/网关
- 内存图，用于跟踪何时知道了什么
- 兼容OpenAI、Anthropic、Ollama、Groq、OpenRouter、Together
```
pip install AgentTinman
tinman init && tinman tui
```
GitHub: [https://github.com/oliveskin/Agent-Tinman](https://github.com/oliveskin/Agent-Tinman)
文档: [https://oliveskin.github.io/Agent-Tinman/](https://oliveskin.github.io/Agent-Tinman/)
OpenClaw适配器: [https://github.com/oliveskin/tinman-openclaw-eval](https://github.com/oliveskin/tinman-openclaw-eval)
Apache 2.0。没有遥测，没有付费层。欢迎反馈和贡献。
你好，HN！<p>我有一些空闲时间，所以我一直在升级 KlongPy。<p>KlongPy 现在支持 PyTorch 作为后端，并在数组语言上实现了自动求导。<p>之前在 HN 上有人提到希望 Klong 能支持自动求导，我也觉得这很不错。<p>在这里有很多示例：<a href="https://github.com/briangu/klongpy/tree/main/examples/autograd" rel="nofollow">https://github.com/briangu/klongpy/tree/main/examples/autograd</a><p>不过这里给你一个简单的示例：<p>f::{x^2} : " 定义 f(x) = x^2<br>f:>3 : " 计算 f'(3) = 6.0<p>期待对新操作符和任何明显不足之处的反馈。谢谢！<p>更新的 GitHub 页面：<a href="https://klongpy.org" rel="nofollow">https://klongpy.org</a><br>代码库：<a href="https://github.com/briangu/klongpy" rel="nofollow">https://github.com/briangu/klongpy</a>