最新

直接在 Telegram 中分析和交易。Openclaw 集成。

我一直在 Linux VPS 上搭建一个沙盒，以将 AI 视频生成和可视化推向极致。它融合了实验性生成艺术和高强度视觉效果。使用 Python 构建，运行在 Debian 系统上。欢迎体验，并告诉我你的想法！

我想大家应该都读过 Karpathy 关于 LLM 知识库的文章了。实际上，最近几周我一直在为复杂的科研项目（DocMason）构建基于 Agent 的原生知识库。它完全运行在 Codex/Claude Code 环境中。我将这种范式称为：仓库即应用，Codex 即运行时。<p>在我的日常工作中，我有很多来自各个团队的包含知识的办公文档。作为一名 IT 架构师，我需要将它们整合起来，以处理复杂的深入研究（普通 LLM 肯定无法胜任）。这就是我构建 DocMason 的初衷，并且我每天都在使用它，它帮助我处理了许多复杂的问题。<p>我已经开源了这个仓库。我认为它在 Karpathy 的概念基础上，在实际应用中更进了一步，主要体现在以下三个方面： 1. 它可以处理大多数类型的办公文档（pptx、docx、excel，甚至是 .eml）。并且能够真正地从所有 IT 架构图或 excel 表格中提取多模态信息。 2. 它作为一个真正的应用程序运行，而不是一个简单的 RAG 工具。DocMason 可以流畅而智能地运行，准备环境、自动更新和自动增量同步知识库。 3. 最重要的是，它运行在原生 AI Agents 中，可以利用强大的 AI Agents 引擎（例如 Codex 或 Claude Code）<p>请在 DocMason 的 Readme 中查看详细的架构图，然后下载试用一下吧 :) 你会发现它在日常工作中能提供很大的帮助。欢迎在 Github 上提出您的反馈和问题！

虽然关于 GPU 架构的资料有点匮乏，但我们还是开始了。

在用 Claude Code 做几个项目的过程中，我发现自己搭建了大量脚手架来组织和构建我的智能体工作流程。相比之下，如何以更自然的方式编排我的智能体并与它们协作，对我来说更具吸引力。这个容器包含了我的工作流程的所有基本构建模块。我同时使用了终端和聊天服务器，这取决于我想要完成的任务。所以，请选择你觉得舒服的方式。我建议一开始打开终端窗口，观察智能体的工作，这样可以更好地了解情况。请查阅 README 文件和其他文档。我会关注这个帖子，并在有空时回复。感谢您阅读到这里！