最新

你有什么推荐给技术领域专业人士的优秀播客吗？我希望是一些侧重于技术技能的。例如，《暗网日记》就是一个不错的播客，而且很有意思，但我更希望有一些更技术性的内容。不一定非得是安全相关的，任何技术领域都可以。这只是一个很好的例子。

大家好，我是 Lucas 和 Soheil，Praxos（<https://praxos.ai）的创始人。Praxos 是一个面向 AI 智能体的上下文管理器，提供构建可在生产环境中稳定运行的、有状态智能体所需的一切。 Praxos 可以解析任何数据源，从非结构化的 PDF 和 API 流，到对话消息，再到结构化数据库，并将它们转化为一个统一的知识图谱。图谱中的所有内容都经过语义类型标注，其关系也得到明确，从而将数据转化为一个清晰、可查询的理解宇宙，AI 可以无误地使用它。 无论您是需要查询问题的答案，还是需要以适合当前用例的方式提取数据，Praxos 都能做到，无需重复查询。这使得 AI 应用能够端到端地解析数据，然后根据数据采取行动，在单链和多链推理步骤中提供输出。中间、最终和用户编辑的输出可以添加回知识图谱，使 Praxos 能够动态学习。 在构建保险应用时，我们经常遇到部署 AI 的两个主要问题： 首先，大型语言模型（LLM）无法解析诸如财产明细表和保险单等文件。例如，财产明细表可能是一份包含 50 页的 Word、Excel 和 PDF 文档集合，详细说明了关于一系列物理财产的建造、使用和地理信息。要重建一个对象（财产），意味着要梳理这些文件，以建立数据之间的语义、概念、空间，有时甚至是隐含的联系。 结果：关系信息会丢失、留空或被虚构。 其次，重复调用搜索、检索和更新信息有时会导致级联错误。在诸如阅读文档、获取之前的用户信息、执行计算、存储它，然后将其呈现给用户的复杂任务中，这种情况变得更加频繁。 我们意识到，为了让 AI 提供更有用、更准确的响应，并正确使用文档中的关系，这些关系需要被明确。许多上下文信息没有使用文字来表示。反过来，这意味着我们无法通过编程直接与它们交互，而 LLM 每次都必须自己解释它们。这就是我们开始构建 Praxos 的时候。 我们为爱好者和早期使用者设置了一个自助选项，提供免费套餐（数据上限）。为了方便理解（并非双关语），这应该能满足您最多 200 页文档的需求。您可以在这里注册：<https://data.praxos.ai/sign-up>。 我们的第一个版本是一个 SDK，旨在满足您在所有数据提取、检索和更新方面的需求。 其工作原理如下： 组织信息：Praxos 将信息整理到本体中，本体是用于存储数据的结构化模式。这些允许您引入预定义的类型、属性和关系，从而指导知识图谱的构建和解释。 处理输入数据：Praxos 可以处理任何数据源，从 PDF 到表格数据、JSON 和类似对话的交流。提取是端到端执行的。您不需要 OCR、分块或预处理您的输入。处理就像传入您的文件并选择一个本体一样简单。 检索信息/记忆：对于每个查询，Praxos 通过结合图遍历技术、向量相似度和键值查找来搜索和检索相关的存储信息。搜索对象将返回实体/它们的关系，以及一个句子。 我们很乐意听取您的意见！请随意深入了解，并通过 Discord（<https://discord.gg/wVmrXD2dJA）与我们分享任何想法或建议。 您的反馈将帮助我们确定 Praxos 的未来发展方向！

我很高兴向大家介绍 CeresAi，这是一个面向消费者的平台，让你能够根据自己的 WhatsApp、Instagram 或短信聊天记录，创建高度个性化的 AI 伴侣。与通用的聊天机器人不同，每个 CeresAi 角色都能学习你所爱之人的措辞、情感细微差别以及聊天中的记忆——这样你就可以随时进行真实、发自内心的对话。我们也有预先构建的角色：看看我和特朗普的对话吧（<a href="https:&#x2F;&#x2F;www.ceresai.xyz&#x2F;share&#x2F;2e902afc-f76f-476c-a52c-9c30d7acfb7b" rel="nofollow">https:&#x2F;&#x2F;www.ceresai.xyz&#x2F;share&#x2F;2e902afc-f76f-476c-a52c-9c30d7...</a>）

它是什么 一个 45 MB 的 Windows .exe 文件，嵌入了 llama.cpp 和一个极简的 Tk UI。 将它（加上任何 .gguf 模型）复制到 U 盘，在任何 Windows 电脑上双击即可与 LLM 聊天——无需管理员权限、云端或网络连接。 为什么我创建它 现有的“本地 LLM” GUI 假设你可以使用 pip 安装，传递冗长的 CLI 标志，或者下载数 GB 的额外内容。 我希望我的技术能力较弱的同事在拜访客户时，只需插入一个 U 盘就能运行它。 它是如何工作的 PyInstaller 单文件构建 → 将 Python 运行时、llama_cpp_python 和 UI 捆绑到一个 PE 文件中。 首次启动时，它会内存映射 .gguf 文件；后续提示在 i7-10750H 处理器上以大约 20 tok/s 的速度流式传输，使用 gemma-3-1b-it-Q4_K_M.gguf (0.8 GB) 模型。 基于节拍的渲染循环使 UI 保持响应，同时 llama.cpp 进行处理。 一个解析器将每个源自提示的 token 标记为粗体下划线；Ctrl+点击会弹出一个“源查看器”来追踪事实。（有助于快速发现幻觉。）