最新

Earth.tattoo 将地球划分为 5.1 亿个 16x16 像素的“图块”，您可以拥有并随意涂绘。您每小时可以认领一个免费图块。

你好 HN！ 过去一个月我一直在研究 PAI，这是一个类 Linux 的框架，用于 Mac 上的个人助理 AI。我没有给聊天机器人提供大量工具，而是想直接将 LLM 放入终端，看看它的表现如何。 我一直用它来管理我的日历、5 个以上的电子邮件账户，并及时与人互动/回复（这是整个项目的根本原因）。 在看到其他始终在线的助手是如何设计的之后，我认为类 Unix/Linux 的系统设计理念可以应用于 AI 框架，我想尝试一下它与它们相比的表现如何。因此，我在构建 PAI 时考虑了以下几点： 1. **启用 LLM 的“代码模式”**（LLM 天然是 SDE/SysAdmin） * 如果你还记得很久以前的“代码模式”博文，我想尝试利用模型中的这些能力，让它自然地与框架交互，而不是试图加载大量解释性内容。LLM 天然知道与配置相关的内容属于 `/etc/`，知道如何 `cd`、`cat`、`tail` 等。 2. **避免使用 LLM 进行轮询** * 我想看看是否可以避免轮询，因为这会浪费 token，而且任意的间隔看起来不够优雅。 * 相反，我创建了一个事件总线，可以唤醒 LLM 并接受 PAI 可能自行连接的任意来源。 * 使用脚本进行轮询有时是不可避免的，而且也还可以。 3. **PAI 有自己的 FHS（大致）目录** * 该目录在 `~/.pai/home/` 下托管了几个不同的用户（代理）。默认配置是一个根代理、面向用户的代理，以及负责内存整合和学习等的 `librarian`。 * 每个代理都可以订阅来自源的不同事件，并拥有不同的权限来访问/运行内容。 4. **工具是二进制文件，API/连接器是驱动程序（一切皆文件）** * 这更多的是一个建议而不是我严格遵守的规则，但基本上每个工具都是一个可执行文件，每个事件生产者都遵循 Linux 中驱动程序的模式。一切都是一个进程，位于 `/proc/` 中，事件是文件，等等。 5. **PAI 有自己的包管理器** * 恰当地命名为 `paiman`，这只是一个让 PAI 共享它们编写的新内容的方式。我意识到这非常不安全（说实话，我不知道如何使其安全），所以我还没有真正实现上游提交。 6. **grep 是向量搜索吗？** * 我想看看 `grep` (rg) 是否足够好，因为实际上延迟在这里根本不是问题。我可能会在以后尝试向量搜索。 7. **我讨厌登录所有我的账户** * 我使用了存储在 Mac 上的本地 SQLite 数据库来集成 iMessage 和 Mail。它可以开箱即用（前提是你的 Mac 已设置好这些应用程序）。 *在你尝试之前应该了解的事情* 没有沙箱。PAI 需要完全磁盘访问权限。 PAI 会将你的 Chrome cookies 复制到一个单独的 Chrome 实例中供 playwright 使用。不过，你可以看到它正在做的一切。 FOSS & BYOK。我使用了 Deepseek 的 5 美元信用额度，而且还没有用完。如果有人感兴趣，我可能会将其变成一个云服务，但我对此表示怀疑 :D 请访问 [https://whitematterlabs.ai](https://whitematterlabs.ai) | gh: [https://github.com/whitematterlabs/pai](https://github.com/whitematterlabs/pai) 上的说明进行尝试。另外，请原谅我这个厚颜无耻的 LLM 生成的网站 :-) 任何评论、想法或建议都将不胜感激。你也可以直接告诉 PAI 更改任何你可能不喜欢的地方。

80% 的 bash 调用都持续出现此消息。<p>这是 Claude 模型的新常态吗？另外，对于这种工具调用失败，然后 Fable 再次尝试另一个工具调用，但仍然一次又一次失败的循环，我们是否会获得退款？我一直在看到这个错误，并且对此感到非常沮丧：<p><pre><code> 错误：claude-fable-5 暂时不可用，因此自动模式目前无法确定 Bash 的安全性。请稍等片刻，然后再次尝试此操作。如果持续失败，请继续执行不需要此操作的其他任务，稍后再回来尝试。注意：读取文件、搜索代码和其他只读操作不需要分类器，仍然可以使用。</code></pre>

大家好！Live-Memory 是一个开源的 Claude Code 插件/MCP 服务器，可以作为您代码库的实时更新记忆。它使用一个独立的、低成本、大上下文窗口的模型来提炼您代码库的组织结构、约定和总体架构。它会观察主代理的活动，并随着时间的推移被动地理解您的代码库。这样，当您开始一个新的 Claude Code 会话时，主代理会通过一个只读的 `ask_live_memory` 工具查询 Live-Memory，并为当前任务快速理解代码库，而无需重新读取文件。Live-Memory 在所有 Claude Code 会话之间共享（单例）。内存模型是可插拔的，在 Claude 订阅（Haiku）上无需配置，或者您可以将其指向 DeepSeek/任何 OpenAI 兼容/本地模型。请注意，这是一个长期运行的本地 HTTP 服务器，您只需启动一次（而非标准输入输出）。 基准测试结果：在一个复杂代码库的 A/B 测试中，对于理解密集型工作，它将（高级）模型的代码库读取 token 数量减少了约 93%，将该模型的每次任务成本降低了约 61%，并提高了约 22% 的速度（编辑密集型工作则持平）。算上内存模型自身的成本，在 Haiku 上总体成本降低了约 25%——或者在 DeepSeek-v4-flash 这样的廉价模型上降低了约 57%（该模型在价格降低约 8 倍的情况下达到了与 Haiku 相当的准确度），在本地模型上则接近完整的 61% 降低。 代码库：https://github.com/shofer-dev/claude-code-live-memory — 很高兴能深入探讨每个工作区的内存窗口和被动摄取。

在过去几个月里，当我试图

分享此信息，希望能帮助其他人避免我遇到的数据丢失问题： Claude 的默认设置是 30 天数据保留期：https://github.com/anthropics/claude-code/issues/59248 如果您想保留您的对话记录，则需要在 `settings.json` 文件中更新 `cleanupPeriodDays` 的值。

刚才无意中听到我们的一位资深员工在向一位新实习生解释，人工智能（AI）实际上也会犯错，无论它的回答听起来多么流畅和结构清晰。 我想知道大家用什么问题/提示来向别人证明这一点。 我猜这取决于每个人的专业知识，或者有些人会问一些众所周知曾遭受“曼德拉效应”影响的事实。 附注： 作为一个非母语者，我本来打算让AI帮我润色提交的文本以提高清晰度和可理解性，但想起一些关于更喜欢原文的评论后，我放弃了这个想法 :)

我想知道为您的现场团队找到合适的人是否真的很难？