最新

我厌倦了我的 AI 智能体因为 LLM 幻觉 JSON 键或传递字符串而不是整数而崩溃。所以我构建了 ToolGuard——它使用边缘情况（空值、缺失字段、类型不匹配、10MB 负载）对你的 Python 工具函数进行模糊测试，并给你一个 100 分的可靠性评分。<p>运行测试不需要 LLM。它读取你的类型提示，生成一个 Pydantic 模式，并确定性地破坏事物。<p>pip install py-toolguard<p>GitHub: <a href="https:&#x2F;&#x2F;github.com&#x2F;Harshit-J004&#x2F;toolguard" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;Harshit-J004&#x2F;toolguard</a><p>如果你正在构建复杂的工具链，如果你查看该仓库，我将感到非常荣幸。 强烈欢迎对架构进行严厉的反馈！

Hi HN， 我一直在开发一种数据序列化格式，旨在通过消除重复的键冗余并优化整体结构，使其比 JSON 轻量得多。今天，我开源了 JavaScript SDK (lytok-js)。 在我们使用 WASM 引擎的最新基准测试中，Lytok 实现了： * 有效载荷减少 64.77%。 * 网络和解析速度提高 50.19%。 * 将复杂结构输入 AI 模型时，LLM 节省 49.51% 的 token。 核心思想是通过定义映射来提炼结构（您可以在 Lab 中进行测试）。这使得引擎能够处理繁重的工作，从而使瘦客户端和高流量网络不会被冗余数据饱和。 GitHub 仓库：[https://github.com/lytok/lytok-js](https://github.com/lytok/lytok-js) 交互式 Lab：[https://lytoklab.netlify.app/](https://lytoklab.netlify.app/) 我很乐意听取您的想法、架构批评或优化建议。

一个简化构建 RAG 系统时 LLM 调用、数据库检索、重新排序、对话存储和嵌入的 Python 小型库。 该库有意仅公开跨提供商通用的功能，以避免特定于提供商的参数。 像 LangChain 这样的库提供了许多集成，但通常依赖于许多抽象、大量使用关键字参数以及难以定制的复杂代码。 功能： - 同步和异步 API - LLM 调用：调用和流式传输（温度，推理级别） - 响应元数据：答案、token 使用情况、停止原因 - RAG 文档：检索、重新排序、嵌入 - 聊天历史：对话存储 - 跨提供商的通用错误处理 - 提供商：OpenAI、Anthropic、Google、AWS 重试逻辑留给用户处理（参见 README）。 暂不支持 Agent 功能。

对话似乎总是围绕着寻找联合创始人或融资展开。这其实只是表层问题，本质上是结果。作为创始人，是什么阻碍了你？如果能深入挖掘，而不是停留在表面，那就太好了。