最新

GitHub 正在为贡献代码的账户强制推行双因素身份验证（2FA），并提供 45 天的注册窗口。 我读到的信息显示，Aegis、Raivo 或 Ente 是最有潜力的选择。 有其他推荐吗？或者对这三个有什么特别的看法？ 谢谢

除了简单的初步处理，我感觉大多数事件的解决仍然是手动操作。环境是碎片化的，针对 SaaS、云、终端、身份等使用不同的工具…… 最终，只有 IT 运维人员才能拼凑出事件中实际发生的情况。<p>好奇其他人是怎么看的。

目前已经有很多用于发现公共技能的服务，以及许多管理个人技能的方法。 但仍然感觉缺少中间层：团队和组织如何共享 AI 智能体技能、跟踪来源以及确保它们的安全使用。 Agent Skill Harbor 是一个针对该层的开源技能管理平台。它原生支持 GitHub，设计上无数据库且无服务器，因为技能主要由文本构成，这与 Git 的特性天然契合。 它从 GitHub 仓库中收集技能，跟踪来源，支持治理和安全检查，并使用 GitHub Actions 和 GitHub Pages 发布静态目录网站。 仓库：<a href="https:&#x2F;&#x2F;github.com&#x2F;skill-mill&#x2F;agent-skill-harbor" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;skill-mill&#x2F;agent-skill-harbor</a> 演示：<a href="https:&#x2F;&#x2F;skill-mill.github.io&#x2F;agent-skill-harbor-demo&#x2F;" rel="nofollow">https:&#x2F;&#x2F;skill-mill.github.io&#x2F;agent-skill-harbor-demo&#x2F;</a>

我写这篇文章是为了给我的主机服务用户提供一个指南。这里的所有内容都是在一个真实的实例上运行的。在1GB的磁盘上，Mesa/LLVM的依赖关系确实让人头疼，而且我找不到绕过它的方法。WindowMaker之所以能在窗口管理器之争中胜出，纯粹是因为它的依赖链非常干净；它不依赖任何GTK、Python或音频堆栈。很乐意回答关于任何选择的问题。截图在最后。

LLM 会遗忘。标准的解决方法是 RAG（检索增强生成）—— 检索信息块，然后将它们塞进去。这种方法在某些情况下有效，但也有局限性：不相关的信息块会浪费 token，摘要会失去结构，而且实际上并没有模拟记忆的工作方式。 Breathe-memory 采用了不同的方法：关联注入。在每次 LLM 调用之前，它会从用户的消息中提取锚点（实体、时间参考、情感信号），通过 BFS（广度优先搜索）遍历概念图，运行可选的向量搜索，并且只注入相关内容——通常在 60 毫秒内完成。 当上下文填满时，它不会进行摘要，而是提取一个结构化的图：主题、决策、未解决的问题、工件。这保留了摘要会破坏的语义结构。 整个系统大约有 1500 行 Python 代码，基于接口，没有强制依赖项。可以插入任何数据库、任何 LLM、任何向量存储。参考实现使用 PostgreSQL + pgvector。 [https://github.com/tkenaz/breathe-memory](https://github.com/tkenaz/breathe-memory) 我们已经在生产环境中运行了几个月。开源的原因是我们认为这种方法（注入而非检索）尚未得到充分探索，值得更多关注。 我们还发布了一篇关于记忆注入的文章，以更易于理解的形式呈现，如果你想了解其背后的思考过程： [https://medium.com/towards-artificial-intelligence/beyond-rag-building-memory-injections-for-your-ai-assistants-ceedcea20419](https://medium.com/towards-artificial-intelligence/beyond-rag-building-memory-injections-for-your-ai-assistants-ceedcea20419)

大家好，我是 Mo。我正在开发 Paseo，这是一个用于运行 Claude Code、Codex 和 OpenCode 的多平台界面。守护程序运行在任何机器上（你的 Macbook、VPS，等等），客户端（Web、移动端、桌面端、CLI）通过 WebSocket 连接（为了方便，有一个内置的 E2EE 中继，但你可以选择退出）。 我从去年九月开始着手开发 Paseo，最初是作为 Claude Code 的一个即按即说语音界面。我希望在散步时可以免提地交流想法，过了一段时间，我想看看代理正在做什么，然后我想在无法说话时给它发短信，接着我想查看差异并运行多个代理。我不断修复粗糙的细节并添加功能，它逐渐发展成今天的样子。 它的功能： * 通过同一个 UI 运行多个提供商 * 支持 macOS、Linux、Windows、iOS、Android 和 Web * 在同一个 UI 中管理不同机器上的代理 * E2EE 中继，用于移动连接 * 本地语音聊天和听写（NVIDIA Parakeet + Kokoro + Sherpa ONNX） * 分屏，可以并排使用代理、文件和终端 * Git 面板，用于查看差异和执行常见操作（提交、推送、创建 PR 等） * Git 工作树管理，让代理之间互不干扰 * Docker 风格的 CLI，用于运行代理 * 无遥测、无追踪、无需登录 Paseo 不直接调用推理 API 或提取你的 OAuth 令牌。它封装你的第一方代理 CLI，并像你在终端中一样运行它们。你的会话、你的系统提示、你的工具，没有任何东西被拦截或修改。 技术栈：守护程序用 Typescript 编写。应用程序使用 Expo，并编译成原生移动应用程序和 Web 应用程序。桌面应用程序使用 Electron（我最初使用 Tauri，后来不得不迁移）。在不同的形态因素之间共享相同的代码库具有挑战性，但我想说，只要有纪律性，这是可以做到的，而且结果是值得的，因为我构建的大多数功能会自动在所有客户端中运行。我确实不得不实现一些特定于平台的东西，尤其是在手势、音频和滚动行为方面。中继建立在 Cloudflare DO 之上，到目前为止，它运行得相当好。 我喜欢使用这个应用程序，但我对 CLI 的可能性更感兴趣，因为它成为了更高级的代理编排的基元，它比现有的工具具有更好的用户体验，而且我已经在使用它来试验循环和代理团队，尽管这仍然是一个新领域。 Paseo 与类似应用程序的比较：Anthropic 和 OpenAI 已经做了一些 Paseo 正在做的事情（Claude Code 远程控制、Codex 应用程序等），但质量参差不齐，而且你被锁定在他们的模型上。我所知道的大多数其他替代方案要么是闭源的，要么是对于我的需求来说不够灵活。 许可证是 AGPL-3.0。桌面应用程序附带一个守护程序，所以你只需要它。但你也可以使用 `npm install -g @getpaseo/cli` 进入无头模式，并通过任何客户端连接。 我主要使用 Mac，所以 Linux 和 Windows 主要由一小群早期采用者测试。如果你遇到问题，我很乐意在 GitHub 上收到错误报告！ 仓库：[https://github.com/getpaseo/paseo](https://github.com/getpaseo/paseo) 主页：[https://paseo.sh/](https://paseo.sh/) Discord：[https://discord.gg/jz8T2uahpH](https://discord.gg/jz8T2uahpH) 很乐意回答有关产品、架构或其他任何问题！ --- 我重新提交了这篇文章，因为我忘记添加 URL，而且不允许我稍后添加它。

我是 Nathan，在 Mozilla.ai 担任机器学习工程师。 非常激动地宣布 agent-of-empires (aoe) 工具发布 1.0 版本。我们有 30 位直接贡献者参与了代码库的开发，还有许多间接贡献者通过 Github issues 和各种评论提供了帮助。 这是一个旨在尽可能简化同时推进大量编码代理的工具。它由沙盒、git worktrees、tmux 提供支持，但所有这些都为你管理，你无需关注细节。 我们还有一个 YouTube 频道，提供喜欢通过视觉/音频学习的人的教程。 [https://www.youtube.com/@agent-of-empires](https://www.youtube.com/@agent-of-empires) 感谢社区提供的所有精彩的功能创意和错误修复，我希望你们喜欢这个我认为现在非常优秀、稳定且功能丰富的工具。它是我所有 Claude Code 代理的日常工具，也希望它能帮助到其他人。 `brew install aoe`