最新

我琢磨这个项目已经有一段时间了。我主要做嵌入式方面的工作。之前用 Claude Code 遇到最大的阻碍是，它无法可靠地构建和烧录我的硬件，我不得不手动将结果反馈给它。我们编写了 stm32-mcp 来解决这个问题，让 Claude 能够放开手脚。 其中我最喜欢的功能之一是序列控制。你可以定义一系列命令、预期响应、超时、延迟等，从而避免代理的时间问题。这几乎彻底改变了我的硬件开发方式……如果你也试用，让 Claude 解释一下它能做什么！并且一定要把它当成一个可能搞坏你所有东西的疯狂工具来对待。

Modalyze 管理多个可拖动、可调整大小、可堆叠的模态窗口，同时保留 React 上下文。将 <Modalyze> 放置在您的上下文提供程序之下，在那里创建的任何模态窗口都会自然地继承该上下文。它们被传送到根实例，以实现可靠的堆叠。 欢迎提供任何反馈。

memv 是一个开源的 Python 库，为 AI 智能体提供持久性记忆。向其输入对话，它会从中提取知识。 提取机制采用预测-校准（Nemori 论文）：基于现有知识，它预测新对话应该包含的内容，然后仅提取预测中遗漏的部分。 v0.1.2 版本增加了生产路径： * PostgreSQL 后端（pgvector 用于向量，tsvector 用于文本搜索，asyncpg 连接池）。单个 db\_url 参数——SQLite 的文件路径，Postgres 的连接字符串。 * 嵌入适配器：OpenAI、Voyage、Cohere、fastembed（本地 ONNX）。 其他功能： * 双时效性：事件时间（事实成立的时间）+ 事务时间（我们获知的时间），遵循 Graphiti 的模型。 * 混合检索：向量相似度 + BM25，通过倒数秩融合合并。 * 片段分割：在提取之前对消息进行分组。 * 矛盾处理：新事实使旧事实失效，并附有完整的审计跟踪。 程序性记忆（智能体从过去的运行中学习）是下一步，将推迟到有使用数据之后。