最新

一键在 Goodreads 上通过按钮打开 Zlib 或 Anna's Archive 中的书籍。 我开发了一个免费的开源浏览器扩展程序，可以直接在 Goodreads 读书页面上添加按钮。无需手动复制书名和搜索，只需点击你想要的资源来源的徽标即可。 你还可以切换资源来源的开启/关闭状态，例如，如果你只想显示 Z-Lib 和 Anna's Archive 的徽标，而不想显示 Gutenberg 的，完全可以实现。 支持的资源来源： * Anna's Archive * Z-Library * Project Gutenberg * AudioBookBay (新增！) 支持的网站： * Goodreads * StoryGraph * Hardcover * Babelio * Novelupdates 可在以下平台使用： * Chrome * Firefox * Edge 可在 Chrome 和 Firefox 上使用。 也适用于 Firefox 移动端。 使用 Anime.js 实现动画效果。 不收集任何数据，你可以在 GitHub 上的源代码或隐私页面中自行验证。 已更新至 V1.0.8！ 它是免费且开源的， 如果你想支持我并喜欢这个扩展程序，请点亮星标并评分。 （你也可以在 GitHub 上赞助我！） 谢谢。

您好！您是否愿意参与一项关于人工智能对软件开发影响的研究？我们是纽约大学和伦敦城市大学的研究人员，正在进行一项访谈研究，旨在了解新型人工智能工具如何改变软件开发人员的工作。我们希望与所有级别的开发人员（包括担任领导职务的开发人员）进行交流，他们可以分享他们在日常工作中如何使用（或选择不使用）人工智能的经验和看法。 访谈将持续45到60分钟，通过Zoom进行。参与者将被问及他们的工作流程、人工智能工具的使用情况以及他们的角色如何随着时间的推移而演变。所有回复都将严格保密，仅用于学术研究目的。研究参与者需居住在美国。 如果您有兴趣，请填写这份简短的表格，以便我们与您联系：[https://nyu.qualtrics.com/jfe/form/SV_cHkvoczxgtaLLo2](https://nyu.qualtrics.com/jfe/form/SV_cHkvoczxgtaLLo2) 谢谢！

去年夏天，我们公司 Tiger Data（一家以时序数据为主要业务的 Postgres 云供应商）面临一个难题。我们正努力将业务拓展到以 AI 为中心的工作负载，并希望在 Postgres 中提供一个最先进的混合搜索栈。我们已经内部构建了 pgvectorscale，旨在扩展语义搜索，突破 pgvector 的内存限制。我们还需要一个可扩展的排名关键词搜索解决方案。 问题在于：核心 Postgres 无法提供此功能；领先的 Postgres BM25 扩展 ParadeDB 受到 AGPL 协议的限制；开发我们自己的扩展似乎令人望而生畏。我估计，我们需要一个由精明工程师组成的小团队，花费 6-12 个月的时间。而且，我们可能仍然无法达到像 Parade/Tantivy 这样成熟系统的性能水平。 或者说，真的吗？那时，我已经用 AI 辅助开发进行了足够长时间的实验，意识到有了最新的工具（Claude Code + Opus）和经验丰富的人员（我已经在数据库系统内部工作了 25 年），之前的估计时间基本上可以忽略不计了。 我告诉我们的 CTO，我认为我可以单枪匹马地在一个季度内完成这个项目。这引起了一些惊讶。 虽然实际花费的时间比这稍长（两个季度），并且在预发布版本开源后，我们得到了社区的真正帮助（太棒了！）。但今天，我很兴奋/筋疲力尽地分享，pg_textsearch v1.0 通过开源（Postgres 许可证）免费提供，可在 Tiger Data 云上使用，并且希望很快，在您附近的超大规模云服务商上也能看到： [https://github.com/timescale/pg_textsearch](https://github.com/timescale/pg_textsearch) 在随发布一起发布的博文中，我概述了架构，并使用 MS-MARCO 呈现了基准测试结果。令我惊讶的是，我们不仅能够达到 Parade/Tantivy 的查询性能，而且大大超越了它，在规模化查询吞吐量方面实现了 4.7 倍的优势： [https://www.tigerdata.com/blog/pg-textsearch-bm25-full-text-search-postgres](https://www.tigerdata.com/blog/pg-textsearch-bm25-full-text-search-postgres) 看到我花费了大量时间耕耘的领域如此迅速地变化，并以使我们能够在技术目标上更具雄心的方式发展，这令人兴奋（而且，说实话，有点令人不安）。技术壁垒不再是壁垒。 基准测试脚本和方法可在 github 仓库中找到。欢迎在帖子中提出任何问题。 谢谢， TJ (tj@tigerdata.com)

我构建这个项目，是因为我找不到关于 VLA 模型在商业任务中实际表现的真实数据。我曾在谷歌从事搜索排名工作，那里一切都可衡量，但在机器人领域，似乎没有人知道这些。 PhAIL 在最常见的仓库操作之一——“箱到箱”拣货任务中运行四个模型（OpenPI/pi0.5、GR00T、ACT、SmolVLA）。使用相同的机器人（Franka FR3）、相同的物体，进行了数百次盲测。操作员不知道正在运行哪个模型。 最佳模型：64 件/小时。人类遥控同一机器人：330 件/小时。人类手动操作：1300+ 件/小时。 所有数据都是公开的——每次运行都有同步的视频和遥测数据、微调数据集、训练脚本。排行榜对提交结果开放。 很乐意回答关于方法论、模型或我们观察到的任何问题。

我构建 Solitaire 是因为“支持记忆”的 AI 会话仍然感觉像是从头开始，只是多了稍微多一点的上下文。<p>代理可以从上周检索事实，但协作本身从未改进。我喜欢的一个比喻是，它就像一个“带着更好笔记本的聪明陌生人”。<p>问题不在于检索。有很多工具可以存储和检索，但成功程度各不相同。问题在于代理与你合作的方式没有任何改变。它会回忆你说了什么，但不会学习你如何思考。<p>Solitaire 是我尝试的下一层。它是 AI 代理的身份基础设施，旨在使交互本身随着时间的推移而改进。<p>它在记忆之外的功能： - 行为基因组：从真实交互中演变而来的性格特征（观察力、自信、热情等），而不是静态配置。 - 体验式记忆：编码会话的感受，而不仅仅是说了什么。 - 自主自我提升：检索权重根据被证明有用的内容进行调整。知识图谱自我修复（矛盾检测、置信度重新评分、实体重新链接）。 - 预期检索：预测你需要的上下文并预先加载它。 - 引导式入门：新用户通过对话构建伙伴，而不是 JSON 文件。 - 记忆兼容性：使用 Solitaire 的内置记忆或引入你自己的现有记忆工具。 - 模型兼容性：许多模型开箱即用，我们正在努力集成其他模型。 - 你的数据保留在本地，因此你拥有完全的数据主权。<p>600+ 次会话，14,000+ 条累积条目，正在实际生产中使用，并且还在不断增加。我将有两篇研究论文发表关于这项纵向研究。<p>代码库：<a href="https://github.com/PRDicta/Solitaire-for-Agents" rel="nofollow">https://github.com/PRDicta/Solitaire-for-Agents</a><p>我知道代理记忆空间很受欢迎，但记忆只是一个组成部分。身份是没人构建的东西。代理应该更擅长与你合作，而不仅仅是更擅长记忆。<p>特别欢迎对以下方面的反馈： 1. 身份与记忆的区别对你来说有意义吗？ 2. 现有的记忆工具在你实践中哪里失效？ 3. 什么会使类似这样的东西值得集成到你的代理堆栈中？ 4. 我遗漏了什么？