最新

AI 智能体在处理 B2B 数据时会产生幻觉，因为它们缺乏真实依据。我构建了一个这样的系统。 Nopp 的实体图谱从 NPPES 从业者数据、40 多个州执照委员会、ODO 公司注册处和监管备案中提取数据。没有抓取，没有推断。每个实体都经过确定性验证。 我希望你进行压力测试的 API 接口： 实体图谱 * POST /api/v1/identify — 姓名、NPI 或 LinkedIn URL → 经过验证的规范实体（10 IC） * GET /api/v1/people/:id — 获取已解析的个人记录（3 IC） * POST /api/v1/people/search — 按州、城市、证书筛选 1200 万+ 持证专业人士（10 IC） * GET /api/v1/organizations/:id — 获取组织记录（3 IC） 情报 * POST /api/v1/company/enrich — 实时数据增强，优雅回退，永不返回空值（10 IC） * POST /api/v1/contact/enrich — 联系人级别的深度数据增强（3 IC） 信号 * POST /api/v1/signals/hiring — 检测招聘激增（15 IC） * POST /api/v1/signals/funding — 融资轮次检测（15 IC） * POST /api/v1/signals/intent — 竞争对手的挫败感 + 意图信号（20 IC） 智能体 * POST /api/v1/agent/launch/companies — 一次调用即可完成自主研究 + 外展（50 IC） 也作为 MCP 服务器提供——直接连接 Claude、ChatGPT 或任何与 MCP 兼容的智能体。无需 API 调用，无需配置。 我希望你做的事情： * 向 /identify 提供有歧义或冲突的输入——同一个人，两个 LinkedIn URL，不同的姓名拼写 * 尝试让 /company/enrich 返回空数据或错误数据 * 针对你非常了解的公司测试 /signals/intent — 它是否捕捉到真实的信号？ * 告诉我模式在哪里出错、文档不足或使用起来很烦人 找到可复现的错误或真实的模式问题 → 我将给你免费的情报积分。无上限。 nopp.us/api-docs | nopp.us/developers 我是创始人。我会亲自回复每一个技术评论。

您好， 我正在构建 Draxl，这是一种源代码格式，适用于一个由数百万个代理编辑代码的世界。 AI 代理将生成比今天人类多得多的代码。Rebase 分支、并发编辑和长期存在的 fork 将变得更加普遍。代码管理需要在此规模上进行更精确的控制。 Draxl 将稳定的 AST 节点 ID 直接嵌入到源代码中，因此工具可以按身份而不是行位置来定位语法。这里有一个小例子： 这里有一个小例子： ``` @m1 mod demo { @d1 // 给 x 加一。 @f1[a] fn add_one(@p1[a] x: @t1 i64) -> @t2 i64 { @c1 // 缓存中间值。 @s1[a] let @p2 y = @e1 (@e2 x + @l1 1); @s2[b] @e3 y } } ``` 语法是： ``` @id[rank]->anchor ``` * `@id` 为下一个节点提供一个稳定的身份 * `[rank]` 对已排序的槽内的同级节点进行排序 * `->anchor` 将分离的文档或注释附加到现有的同级 id 相同的代码会降级为普通的 Rust： ``` mod demo { // 给 x 加一。 fn add_one(x: i64) -> i64 { // 缓存中间值。 let y = (x + 1); y } } ``` 在 Draxl 中，函数、语句、表达式、文档和注释都可以携带稳定的 ID。已排序的同级节点携带显式的排名。分离的文档和注释可以携带显式的锚点。 这使得工具可以这样说：“替换表达式 `@e3`” 或 “将语句插入到 `@f1.body[ah]`” 中，而不是 “更改此处附近的这些行”。 这应该使语义重放更可靠，尤其是在高并发编辑下。它还应该减少虚假的合并冲突，并更精确地定位真实的冲突。 它还开启了其他用途。您可以将所有权、策略或审查元数据直接附加到 AST 节点。 我对早期的反馈很感兴趣：这种源代码模型是否觉得有用，以及以这种方式编辑代码是否更适合代理密集型工作流程。在互联网上，哪里是讨论这类问题的最佳场所？ 联系我：<a href="https://x.com/rndhouse" rel="nofollow">https://x.com/rndhouse</a>

我一直在大量使用 Claude Code，并围绕它构建了一个 Web 界面。 感觉最缺失的功能是无法了解模型在运行时的实际操作——因此，核心功能是一个实时交互式图表，展示 Claude 的步骤和工具调用。<p>它还具有一个带流式传输功能的聊天用户界面，以及项目和会话管理、带 YOLO 模式的权限控制，以及用于切换 API 密钥的配置文件。<p>处于早期阶段，采用 MIT 许可证，主要为自己构建。

我们运营一个云设备农场，用于移动测试自动化（真实的 Android/iOS 设备，Selenium Grid，Appium）。<p>我们刚刚发布了一个聊天 AI 助手，它存在于每个设备会话中。它可以看到实时屏幕，并回答诸如“那个按钮的 XPath 是什么？”或“给我第 2 行的 UIAutomator2 选择器”之类的问题——并以 Java、Python、Swift、Kotlin 或 WebDriverIO 输出代码。<p>实现方式：我们在查询时从 WebRTC 流中抓取一个帧，并将其传递给一个带有结构化提示的视觉 LLM。该模型以所有适用的格式（XPath、CSS、UIAutomator2、XCUITest、Accessibility ID）返回定位器。我们使用语法高亮进行解析和渲染。<p>主要挑战在于提示工程，以获得干净的可解析输出，而不是带有嵌入代码的散文。<p>很乐意回答有关实现的任何问题。