最新

和 2025 年的其他人一样，我曾以为“直接套用一个向量数据库”就能创建一个连贯的长期智能体，结果我眼睁睁地看着我的 Python 助手慢慢变成了一个健忘的金鱼，还伴有囤积癖。<p>典型的失败模式：<p>用户（第 1 天）：“我最喜欢的编辑器是 VSCode” 用户（第 47 天）：“实际上已经换成 Cursor 了” 智能体（第 92 天）：“你喜欢 VSCode，对吧？”<p>或者，记忆索引慢慢变成这样：<p>用户喜欢 Python 用户真的非常喜欢 Python Python 基本上就是用户的性格<p>所有这些都具有相同的权重。永远如此。<p>向量搜索擅长相似性，但在当前事实方面却很糟糕。<p>人类的记忆会淡忘旧的观点，并覆盖不好的看法。 我的智能体呢？永远保存着我曾经说过的一切。<p>所以我构建了 MemX 作为一个小实验：如果智能体的记忆实际上具有生命周期会发生什么？<p>比如：<p>重要性信号<p>频率强化<p>重复数据压缩<p>显式更新 / 替换<p>对过时事实的温和衰减<p>技术栈故意很普通：<p>SQLite<p>FAISS<p>一些假装是“记忆操作系统”的评分逻辑<p>一个小例子：<p>from memx import MemX<p>m = MemX()<p>m.add(&quot;用户最喜欢的编辑器：VSCode&quot;) m.add(&quot;用户切换到 Cursor&quot;)<p>m.compress() m.rag(&quot;我应该使用什么编辑器？&quot;)<p>快速基准测试（50 个噪声 + 5 个真实记忆）：<p>向量 RAG recall@3: ~0.75 MemX recall@3: ~1.0<p>更长的模拟：<p>10k 次交互 → ~9k 个记忆<p>在我的笔记本电脑上的延迟：<p>10k 个记忆 → ~0.3ms<p>100k → ~3ms<p>1M → ~30ms<p>这并不是要取代向量搜索或成为下一个智能体框架。这只是一个实验，看看如果记忆有生命周期而不是永久的文档存档，智能体的行为是否会更好。<p>好奇其他人如何处理在长期运行的智能体中相互矛盾或不断变化的记忆。<p>代码库： https://github.com/mohitkumarrajbadi/memx<p>（是的，辣椒的事情是真的。智能体仍然会为此争论。）

Fortress 是一种专为 OSINT（公开情报）、侦察、报告和网络设计的 DSL（领域特定语言）。该语言使用 Go 编写，非常易于使用。你可以创建自己的库，并尝试更多炫酷的功能。 为什么选择 Fortress？ 易用性 速度 强大功能 = Fortress 你可以在这里阅读更多内容 --&gt; [https://github.com/CzaxStudio/Fortress](https://github.com/CzaxStudio/Fortress) 或者访问官方网站 --&gt; [https://fortresslang.pages.dev/](https://fortresslang.pages.dev/) # 试用一次，你会在几分钟内爱上它。

Show HN: PDR AI – 面向非技术混乱的开源创业加速引擎（市场营销、PRD、入职） 几周前，我分享了 PDR AI，它是一个用于解决创业文档混乱的开源工具[](<a href="https:&#x2F;&#x2F;news.ycombinator.com&#x2F;item?id=47258661">https:&#x2F;&#x2F;news.ycombinator.com&#x2F;item?id=47258661</a>)。从那时起，我加倍投入到核心愿景中：它不仅仅是另一个 RAG 聊天机器人，而是一个由 AI 驱动的加速引擎，帮助技术创始人避开非技术陷阱，更快地前进。 作为一个单独的技术创始人，我把太多时间浪费在零散的营销计划、不完整的 PRD、入职文档和法律模板上。PDR AI 将所有这些集中在一个可自托管的知识库中，并通过以下方式积极加速进展： * 文档健全性检查器（验证文档内容的有效性和一致性，提取关键信息） * 营销渠道：Reddit/X/LinkedIn/Bluesky 的内容创意/趋势，可选的 Web 增强分析。 * 团队加速层：基于角色的访问、邀请、审批、审计跟踪——非常适合小型团队或加速器团队审查文档。 * 实时仪表板：跟踪使用情况、准确性（样本中约为 99%）、合规性差距、生产力。 * RAG 基础知识做得好：上传 PDF/Notion/Slack/GitHub 导出文件，OCR 支持，pgvector 语义搜索，页面级引用，快速响应。 完全开源（MIT 许可），通过 Docker/Vercel 自托管，自带 LLM 密钥（目前支持 OpenAI/LangChain；Ollama/本地即将推出）。无锁定，完全隐私。 网站：<a href="https:&#x2F;&#x2F;pdrai.online" rel="nofollow">https:&#x2F;&#x2F;pdrai.online</a> 代码库：<a href="https:&#x2F;&#x2F;github.com&#x2F;Deodat-Lawson&#x2F;LaunchStack" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;Deodat-Lawson&#x2F;LaunchStack</a> （原名 PDR\_AI\_v2；788+ 星，并且还在增长） 正在寻找： * 使用它来“加速”其非技术方面的独立创始人/小型团队 * 测试它以进行团队文档审查的加速器计划/导师 * 反馈：加速器框架是否奏效？哪些营销/产品工作流程最令人头疼？ * 贡献者：欢迎 PR/问题，尤其是代理改进或集成

我开发Kromacut是因为我不想为HueForge付费，结果它发展得比我最初预想的还要大。<p>上传一张图片，Kromacut就会把它变成一个多色光栅立体打印。你首先在2D部分对图像进行预处理，然后切换到3D部分，在那里你可以使用手动模式手动排列图层，或者使用自动上色模式，这是更有趣的部分。在自动上色模式中，你定义你的长丝（颜色+半透明度），它会模拟光线穿过堆叠的图层，使用比尔-朗伯光学计算最佳的图层堆叠。对于排序，它使用模拟退火或遗传算法，这取决于你拥有的长丝数量或你选择的选项。<p>所有操作都在浏览器中以静态网站的形式运行，无需注册，也没有后端。也可以通过Tauri作为原生桌面应用程序使用。导出为STL和3MF格式，并附带打印说明，告诉你确切的换丝时间。<p>我过去也发过其他帖子，包括最初在r/3Dprinting上的帖子，反响非常好，促使我继续开发这个项目。所以，如果你想看看早期版本的应用程序的截图或讨论，你可以在这里找到它们：<a href="https://www.reddit.com/r/3Dprinting/comments/1noq9ku/i_made_a_free_and_open_source_hueforge/" rel="nofollow">https://www.reddit.com/r/3Dprinting/comments/1noq9ku/i_made_...</a><p>因为社区喜欢它，而且我不断收到关于这个项目的反馈、想法，或者只是消息，我将继续在业余时间开发它，并永远保持免费和开源。<p>试用：<a href="https://kromacut.com" rel="nofollow">https://kromacut.com</a> 资源：<a href="https://github.com/vycdev/Kromacut" rel="nofollow">https://github.com/vycdev/Kromacut</a><p>很乐意回答问题或听取反馈。谢谢！