最新

赠阅文章：<a href="https:&#x2F;&#x2F

我一直在尝试构建一个完全本地的 RAG 流程：使用 Weaviate 进行向量存储和混合搜索，配合 Node.js 脚本，以及 Ollama 上的 Qwen 3.5 模型。<p>我发现，大部分挑战都集中在检索和文本分块上，而不是大语言模型本身。一个好的文本分块策略加上混合搜索的适当平衡，比使用更大、更昂贵的模型更有效。

多年来，我一直对那些要求你将工作方式扭曲以适应其系统的项目管理工具感到沮丧。Chimerical 反其道而行之；描述你正在做的事情，工作空间就会围绕你的答案自动组装。基于 16 年的领域知识，我用 6 周时间构建了它，今天发布。

得分 65.2%，优于谷歌官方的 47.8%，也高于现有顶级闭源模型 Junie CLI 的 64.3%。 鉴于最近有大量关于在 TerminalBench 2.0 上故意作弊的报告（详见 <https://debugml.github.io/cheating-agents/>），我想澄清几点： 1. 绝对没有在任何时候插入过 {agents/skills}.md 文件。没有任何作弊行为。 2. CLI 代理以符合排行榜的方式运行（没有修改资源或超时设置）。 3. 完整的 terminal bench 运行是使用完全开源版本的代理完成的，与 GitHub 上的版本和实际运行的版本没有任何区别。 我原本打算等到它出现在排行榜上，但已经过了 8 天，维护人员不幸没有回复（他们的 HF 上有大量待处理的 pull requests），所以我决定还是先发布。 HF PR：<https://huggingface.co/datasets/harborframework/terminal-bench-2-leaderboard/discussions/145> 根据这个和其他我做过的实验，令人震惊的是，测试框架是多么重要。

我寻思着，如果把 Cookie Clicker 游戏和 YubiKey 的轻触操作结合起来，可能会很有趣，这算是一个概念验证。Cloudflare 在 2021 年也做过类似的事情，他们曾设想用 YubiKey 验证的轻触操作来替代验证码：<p><a href="https:&#x2F;&#x2F;news.ycombinator.com&#x2F;item?id=27141593">https:&#x2F;&#x2F;news.ycombinator.com&#x2F;item?id=27141593</a><p>当时 Cloudflare 用 YubiKey 轻触操作来证明身份的想法并没有得到很好的反响。但在这里，在一个无厘头的游戏里，我觉得这个想法更站得住脚。我们可以证明你拥有一个密钥，并且连续不断地轻触它。如果你能自动化激活物理密钥上的触摸传感器，你可能会做得更好。这很酷，你值得获胜。