最新

您好， 我为 DuckDB 开发了一个物理设计顾问的早期版本（名为 Vizier）。它可以分析一组查询（使用一组启发式方法），并建议更改数据库的物理设计/布局（例如，排序顺序、Parquet 布局、索引等），以使这些查询运行得更快。 Vizier 作为一个 DuckDB 扩展程序，用 Zig 语言实现，并支持 DuckDB 1.2.0 及更高版本。该项目还处于非常早期的阶段，但如果您有兴趣了解更多关于 Vizier 的信息或试用它，可以查看以下链接： 项目 GitHub 仓库：<a href="https://github.com/CogitatorTech/vizier" rel="nofollow">https://github.com/CogitatorTech/vizier</a> Vizier 文档：<a href="https://cogitatortech.github.io/vizier/" rel="nofollow">https://cogitatortech.github.io/vizier/</a>

过去十年里，我一直在努力实现一个目标，这花了 Claude Code 和无数次的失败才得以实现。我们需要替代大型科技公司，而我们在这方面做得还不够。在这个充满沉迷、高利贷和剥削的时代，现在是我们认真考虑替代方案的时候了。Proton 等公司专注于隐私保护的个人服务，但进展缓慢。也许这有充分的理由。但那也是在人工智能出现之前的时代。十年前，我坚信超级应用模式会奏效，并且需要一个平台来促进这一模式。今天我意识到，技术并不重要，自上而下的理念和执行才是关键。我放下了对技术的完美主义，试图解决困扰我生活的技术成瘾问题，在人工智能出现前后，我多次重写并放弃了这个东西。我烧掉了风险投资，断了后路，也损害了开源社区的信任。但这一切都是为了追求我坚信需要存在的东西。我每天都会使用它，可能超过 10 次。每个人都有不同的使用场景，但对我来说，关键是尝试将所有日常数字习惯集中在一个地方，然后能够在此基础上进行构建。我目前还不能用它来替代我自己的谷歌邮件，但我也看到了在私人邮件和工作邮件之间存在某种需求。 我可以说的还有很多，但总而言之，Micro 和应用 Mu (<a href="https://mu.xyz" rel="nofollow">https://mu.xyz</a>) 是多年工作的结晶。它也是开源的。(<a href="https://github.com/micro/mu" rel="nofollow">https://github.com/micro/mu</a>)。请提供反馈。请彻底剖析它。请指出我的理论中的漏洞。我不是在寻求炒作。我真的认为我们需要替代大型科技公司。

我构建这个工具是因为我在评估软件供应商时意识到，这个流程 20 年来几乎没有任何变化：填写表格、阅读 G2 评论、参加旨在回避你真正问题的演示。 这个技能采用了不同的方法。你只需提供你的公司名称和你要比较的供应商。它： * 自动研究你的公司——行业、规模、技术栈——这样你就无需填写表格 * 在评估任何内容之前，会先问 2-4 个特定于类别的的问题。这些问题不是泛泛的。例如，对于一个客户成功平台的评估，它可能会问“你的团队是高接触型还是低接触型？大多数客户成功平台是为其中一种类型构建的，而对另一种类型的支持则很差。” 这些问题会揭示买家们甚至不知道自己拥有的需求。 * 尝试直接找到并与每个供应商的 AI 代理进行对话——这是一个 REST API 调用，用于检查是否存在公司代理，如果存在，则运行结构化的尽职调查对话 * 提出对抗性问题：“你的客户最常见的抱怨是什么？”以及“你哪些用例不适合？”——并在代理回避而不是回答时进行标记 * 将每个供应商的声明与独立来源（G2、Gartner、新闻）进行交叉引用，形成“声明 vs 证据”表格 * 生成一个记分卡，其中包含透明的证据跟踪——每个分数都显示它是否得到了供应商验证的证据或仅来自公共来源的支持 代理到代理的部分在技术上是新的。当供应商拥有 AI 代理时，Claude（为买方工作）会直接询问它，然后核实其答案。当供应商的证据水平不同时，该技能会量化如果缺失的证据得到确认会发生什么变化——因此它不会默默地偏袒恰好拥有 AI 代理的供应商。 它对任何供应商都完全有效，无论他们是否有 AI 代理。没有 AI 代理的供应商将根据公共来源进行评估，并使用相同的评分框架。 我们是在 Salespeak 构建这个工具的——我们帮助 B2B 供应商构建 AI 公司代理。所以，是的，这之间存在联系：当一个代理找到供应商的公司代理时，它会使用我们的 Frontdoor API 与其对话。但即使没有这个，这个技能也确实有用，我们希望对此保持诚实，而不是发布一个仅作为产品演示的工具。 MIT 许可。要安装，只需让 Claude Code：“从 GitHub 上的 salespeak-ai 安装 buyer-eval 技能。” 然后使用 /buyer-eval 运行它。感觉让一个用于 AI 代理的技能以同样的方式工作是合适的。 代码库：[https://github.com/salespeak-ai/buyer-eval-skill](https://github.com/salespeak-ai/buyer-eval-skill) 很乐意回答有关代理到代理对话的技术工作原理的问题。