最新

我一直在构建 Rebuno，一个用于在生产环境中运行 AI 代理的开源执行运行时。它跨越不同框架构建的代理管理执行状态和安全护栏。 代理以 HTTP 服务形式运行。Rebuno 通过签名 Webhook 分派工作，并将执行状态保存在 Postgres 中。代理在执行工具和模型调用之前，将它们作为步骤提交给 Rebuno。 对于每个新步骤，Rebuno 会独立于模型的提示来评估每个代理的 YAML 策略。它可以允许调用、拒绝调用或将其保留以供人工批准。代理执行允许的调用并报告其结果。策略决策和步骤结果都记录在一个仅追加的事件日志中。 中断后，代理会从头开始执行其处理程序。具有已记录结果的步骤将返回这些结果，而不是再次执行。崩溃也可能导致某个工具没有已记录的结果。标记为 safe_to_retry 的工具会再次运行，而标记为 at_most_once 的工具将以不确定状态失败。代理如何处理不确定步骤取决于其实现。 提供了 Python 和 TypeScript SDK，并且该仓库包含使用 LangChain、CrewAI、Pydantic AI、Vercel AI SDK 和 Mastra 的示例。 Rebuno 可免费自托管，并根据 MIT 许可证发布。 我很想听听其他人如何在生产环境中运行或操作代理。 包含图示的博客文章：https://rebuno.io/blog/introducing-rebuno 入门：https://docs.rebuno.io/getting-started

我创造了一门编程语言！<p>我称之为 AttaLambda。<p>其理念是：一种可用的 Lisp 风格语言，其中所有有意义的计算都通过无类型 lambda 演算完成。逻辑、算术、数据结构、控制流，甚至类型——全部是无类型 lambda。一个小型、显式的 Racket 层位于边界，用于处理外部世界，再加上一些用于语法糖的宏。<p>这是它的故事：<p>几年前，我想玩转无类型 lambda 演算，并超越教程通常的讲解范围。教程会展示布尔值、数字、算术，或许还有 Y 组合子——然后就结束了。我想让它们继续深入。<p>于是我开始了一个名为 All The Lambdas 的项目。使用 Racket 的惰性求值模式，我只使用了一个 Racket 构造来进行实际计算——lambda——并构建了整数、有理数、列表、二进制数字列表编码、搜索算法等等。<p>然后我发现了 Greg Michaelson 的《Functional Programming Through Lambda Calculus》。书中，Michaelson 勾勒出了一个基于无类型 lambda 演算构建的语言的骨架，包括一个类型系统，其中类型化对象本身就是包含类型标签和值的成对函数。<p>我觉得这很有趣，于是实现了并扩展了这个想法，仍然完全使用无类型 lambda。我没有编程语言理论背景，所以我是边做边摸索的。<p>然后我暂时搁置了一段时间。<p>最近我重新拾起，心想：为什么不借助代码生成代理，将它变成一门真正可用的语言呢？我重用了 All The Lambdas 的大部分内容作为基础。<p>于是 AttaLambda 诞生了。<p>一些附加细节：<p>* Rat，它的数字类型，使用二进制数字列表编码而不是 Church 计数，因此数字的缩放与其二进制数字的数量而不是其值有关。<p>* 错误是 lambda 编码的值，而不是 Racket 异常，它们像普通数据一样在语言中传播。<p>* Racket 主机只执行不可约的外部操作；即使是 HTTP 解析、路由和响应构建等操作也保留在纯 lambda 世界中。<p>* 递归使用 lambda 演算的递归：没有循环或真正的自引用，只是底层使用了 Y 组合子。<p>* 自动纯度检查可以捕获意外的作弊行为，例如原生计算泄露到纯洁部分。<p>* 多参数 lambda、let、cond 和 list 等语法只是宏糖，它们会规约成一元 lambda 和应用。<p>一些代码示例： （除了 print，这里的所有内容都会规约成一元无类型 lambda）<p>阶乘：<p><pre><code> #lang attalambda (rec factorial n = (cond ((eq n 0) 1) (else (mult n (factorial (sub n 1)))))) (print (factorial 10)) </code></pre> 这会打印：<p><pre><code> 3628800 </code></pre> 或者一个精确的调和级数和：<p><pre><code> #lang attalambda (print (reduce add 0 (map (lambda (n) (unwrap-ok (div 1 n))) (range 1 8)))) </code></pre> 这会精确打印：<p><pre><code> 363&#x2F;140 </code></pre> 据我所知，没有哪门编程语言结合了所有这些特性：Michaelson 式的、由无类型 lambda 构建的类型标签，由二进制数字列表支持的精确有理数，作为 lambda 值的错误，以及几乎所有计算都保留在 lambda 核心中的真实世界程序。这些特性本身都不是全新的，但我不知道有其他语言以这种方式将它们结合起来。<p>下载： <a href="https:&#x2F;&#x2F;github.com&#x2F;kserrec&#x2F;attalambda&#x2F;releases&#x2F;tag&#x2F;v0.7.0" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;kserrec&#x2F;attalambda&#x2F;releases&#x2F;tag&#x2F;v0.7.0</a><p>代码： <a href="https:&#x2F;&#x2F;github.com&#x2F;kserrec&#x2F;attalambda" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;kserrec&#x2F;attalambda</a><p>原始 All The Lambdas： <a href="https:&#x2F;&#x2F;github.com&#x2F;kserrec&#x2F;all_the_lambdas" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;kserrec&#x2F;all_the_lambdas</a>

各位 HN 的朋友们，我是 Nari Labs 的 Toby。<p>我们一直在致力于让开源语音模型变得超快。去年，我们构建了 Dia，这是首个能够进行自然对话的开源文本转语音模型。自那时以来，已经有更多优秀的语音模型公开发布。<p>但市场仍然被闭源模型主导。我们认为这是一个推理问题。现有的系统，如 vLLM / SGLang，并不适合多模态推理。为了证明这一点，我们构建了一个专门针对 Qwen3-TTS 的推理引擎并将其开源（<a href="https://github.com/nari-labs/nari-qwen3-tts" rel="nofollow">https://github.com/nari-labs/nari-qwen3-tts</a>）。该引擎在 10 RPS 下实现了低于 50 毫秒的延迟，这表明开源模型可以运行得更快、更便宜。<p>自那时以来，我们一直在努力为所有人提供廉价、快速、高质量的服务。我们甚至在闭源模型擅长的领域也取得了超越！<p>在备受引用的 Coval (YC S24) 语音 AI 基准测试中，我们的 Qwen3-TTS 端点不仅在延迟方面排名第二，而且在准确性（WER）方面超越了 11Labs、Cartesia 等，排名第一，同时也是最便宜的端点。我们的 Qwen3-ASR 端点拥有最低的延迟和第二高的准确性，仅比第一名低 0.1%。它是列表中第二便宜的模型。<p>为了让这些模型快速运行、表现出色并保持低成本，我们进行了大量的智能推理工程。有趣的是，与我们的模型相比，阿里巴巴的官方端点在准确性和延迟方面似乎表现更差。但尽管如此，我们仍然非常感谢 Qwen 团队将这些出色的语音模型开源。<p>我们希望继续降低价格，使语音技术成为一种商品——这样每个应用程序都可以拥有出色的 TTS 和 STT，而无需担心单位成本。我们还在研究音频的其他部分，如说话人分离——以及视频和世界模型推理。更多内容敬请期待！

创建一个人工智能导师，它不会让你在没有真正学会知识的情况下继续前进——而不仅仅是完成测试。你会接受训练，诊断出任何理解上的问题，现在还有一个实时语音挑战，你需要口头解释你对人工智能的回答，然后它会通过额外的提问进行深入。 语音功能是我开发的，我怀疑在与人交谈时假装理解某事比选择一个合适的选择题答案要困难得多。但说实话，我不知道这是否是一个有价值的想法，还是我沉迷于我创造的最复杂事物的又一个迹象。 所以，我想认真问的问题是：什么能帮助你信任人工智能对你理解程度的诊断？这样做是否值得，还是我应该坚持使用间隔重复并相信自己？

最近我意识到人们希望对自己的数字数据拥有更多控制权，索尼最近的公告引发的强烈反对让我对此感受尤为明显。人们甚至考虑重新开始盗版音乐，仅仅因为他们想要更多地掌控自己的数据。 因此，我一直在思考，现在几乎每个家庭都有一定数量的数字数据需要妥善保管，有些家庭的数据量比其他家庭更多。 考虑到目前自托管和 NAS 产品的现状，你认为需要做出哪些改变，才能让普通消费者考虑自托管或 NAS 产品？