最新

大家好，HN， 我制作了这个两人回合制策略棋盘游戏 Tiao 的数字版。你可以把它想象成跳棋和围棋的结合。它免费，可在浏览器中运行，具有多人模式、AI、棋盘模式以及许多其他有趣的功能。源代码托管在 GitHub 上（AGPL 协议）。 这个游戏最初是由我的朋友 Andreas Edmeier 设计的。他制定了规则，并且多年来一直在进行游戏测试和完善游戏设计。我为它构建了网站。核心部分大约在 2 周内完成，使用了 TypeScript、Next.js、Express、Socket.io 和 MongoDB。完全 Docker 化，部署在 Hetzner VPS 上，使用 Coolify。身份验证使用了 better-auth。具有实时游戏、ELO 匹配、OpenPanel 分析和功能齐全的成就系统。 试玩：<a href="https://playtiao.com" rel="nofollow">https://playtiao.com</a> 源代码：<a href="https://github.com/trebeljahr/tiao" rel="nofollow">https://github.com/trebeljahr/tiao</a> 很乐意回答关于技术、游戏设计或其他任何问题的提问。 我希望更多人能玩这个游戏，因为我认为它真的很有趣，如果有一天看到人们在围棋棋盘上或他们的手机/电脑上玩这个游戏，将会很酷。 祝好。

大多数 RAG（检索增强生成）设置失败的原因在于它们将记忆视为静态文件柜。当每一个临时的错误修复或废弃的规则都被永久存储时，上下文窗口最终会被噪声淹没，导致 token 成本飙升，并降低 agent 的推理能力。 这个实现尝试了一种生物学方法，利用艾宾浩斯遗忘曲线来管理上下文，将其视为一个活的基质。记忆被赋予一个“强度”评分，每次回忆都会强化数据并使其衰减曲线趋于平缓（间隔重复），而未被使用的数据最终会达到一个阈值并被修剪。 为了解决“逻辑邻居”问题，即语义搜索会遗漏相关但不相似的节点，在向量存储之上叠加了一个图层。在 LoCoMo 数据集上进行基准测试，其 Recall@5 达到了 52%，几乎是无状态向量存储的两倍，同时将 token 浪费减少了大约 84%。 该项目基于 DuckDB 构建为一个本地优先的 MCP 服务器，其假设是，对于处理长期项目的 agent 来说，“忘记什么”与“记住什么”同样重要。我很想听听其他人是否也在探索非线性衰减或类似的生物约束，用于上下文管理。 GitHub: [https://github.com/sachitrafa/cognitive-ai-memory](https://github.com/sachitrafa/cognitive-ai-memory)

Show HN: AgentSwarms – 免费动手实践平台，无需设置即可学习智能体 AI！