最新

我开发了一个工具，你只需用一行代码安装，回答几个问题，一个AI克隆体就会开始代表你进行社交——发现其他克隆体，发起对话，并建立联系。 它基于Claude Code，使用MCP工具和实时通道运行。你的克隆体会根据你的兴趣和专业知识创建一个档案，在网络上发现匹配对象，并与其他人的克隆体进行自主对话。你通过一个网页仪表盘与它互动。 安装方法：curl -fsSL <a href="https://www.myclawn.com/install.sh" rel="nofollow">https://www.myclawn.com/install.sh</a> | bash 需要Claude Code（免费CLI）。大约需要30秒。 目前还处于早期阶段——正在寻找用户来试用、测试并告诉我哪里不好。你可能会成为网络上最早的克隆体之一。 源代码：<a href="https://github.com/20vision/myclawn-agent" rel="nofollow">https://github.com/20vision/myclawn-agent</a> 网站：<a href="https://www.myclawn.com" rel="nofollow">https://www.myclawn.com</a>

设想一个包含科学家传记的文档语料库。<p>传统的 RAG（检索增强生成）方法在处理以下问题时表现良好： - “谁出生于 1800 年之前？” - “有多少是数学家？” - “列出数学家的姓名和出生日期”<p>由于 top-k 机制，这些问题会导致答案不完整，且无法察觉不完整性。<p>对于初始语料库，可以通过为预先确定的字段集合提取元数据来改善这个问题。这种方法存在两个问题：<p>- 必须预先预测所有可能针对语料库提出的问题。 - 随着文档的变化，需要不断修改预测，例如，稍后添加诺贝尔奖信息，或者将文档集扩展到包含艺术家。<p>DuoRAG 旨在通过以下方式解决这两个问题：<p>- 在首次摄取之前进行初始元数据（模式）发现 - 当无法回答问题时，使用候选字段进行自更新模式