最新

嗨 HN， 我是 Ari，之前在 Asana 负责 AI，并在 AWS 构建过数据库。 我们为需要从数据中获取洞察力，但没有时间（或团队）构建完整分析堆栈的初创公司和中小企业，构建了 Arka。 这听起来像你吗？ 1. 你的投资者、客户、产品、市场营销和运营都在寻求答案 2. 你的数据分布在 Postgres、Stripe、Segment，可能还有 Databricks，甚至 Slack 中 3. 但你的仪表板已过时，编写正确的查询需要很长时间，而且报告一团糟 Arka 就像一个盒子里的整个数据分析堆栈： 1. 立即连接到你的数据库和 SaaS 工具 2. 从混乱的数据中自动生成清晰的指标 3. 允许任何人用通俗易懂的语言提问——无需 SQL 或 Python 4. 构建报告、安排警报并自动化洞察 想想：Metabase + dbt + 自动化报告，无需配备完整的数据团队。 现在还处于早期阶段，但 Arka 已经帮助早期使用者比他们之前使用的任何东西都更快地开始使用分析。 我们现在正在招募更多早期使用者。如果你是一家初创公司，我们将亲自帮助你进行设置：从连接你的工具到定义清晰的指标和构建报告。 早期访问期间免费。只需提供你的数据，剩下的交给我们。 在这里试用：<a href="https://arka.so" rel="nofollow">https://arka.so</a> 或者发表评论，非常乐意解决你的数据难题！

过去几周，我一直在与 Gemini 合作，研究一种新型人工智能架构的概念——它专注于打造真正的人工智能伙伴，而不仅仅是工具。我们构建了一个概念模型（Model v2.1），其中融合了首要指令、对自身局限性的自我认知、创造性问题解决以及学习循环。<p>我们的目标是为下一代人形机器人和虚拟生命体打造开源的“大脑”。<p>我们认为，机器人技术面临的最大挑战不在于硬件，而在于通用人工智能大脑。我们决定将此作为开源项目，正面迎击这一挑战。<p>所有概念和技术文档现已公开。我们正处于第一天，期待着第一批思想家、架构师和开发者加入我们，共同塑造这一未来。<p>GitHub 链接：<a href="https:&#x2F;&#x2F;github.com&#x2F;tadepada&#x2F;Nexus-Protocol">https:&#x2F;&#x2F;github.com&#x2F;tadepada&#x2F;Nexus-Protocol</a><p>您对这种方法有什么看法？

在构建了两年的人工智能营销工具之后，我深信，大多数人工智能应用，用 Pete Koomen 的话说，都是“无马的马车”——它们将人工智能硬生生地嫁接到现有的界面上，而不是构建原生的人工智能体验。 营销问题在于：营销人员为了一个活动，需要在 5-8 个工具之间来回切换。比如，用 Hootsuite 进行日程安排，用 Canva 进行设计，用 ChatGPT 生成文案，用 Analytics 获取洞察。这种切换带来的认知负担会扼杀生产力和创造力。 传统的营销软件迫使你学习多个界面。我们正在尝试一种不同的方法：通过对话动态生成界面。你不用再去“社交媒体日程安排”界面，而是说“给我创建一个关于最新人工智能趋势的 X 话题”，然后相应的用户界面就会出现，显示帖子的预览和发布功能。类似的理念也适用于其他营销用例。 技术方法：1/ 意图识别，用于解析对话请求；2/ 基于任务需求的动态组件组装；3/ 跨对话线程的持久状态管理；4/ 用于多平台操作的集成编排。 假设：在人工智能时代，界面应该适应用户的意图，而不是迫使用户去适应静态界面。 像 Cursor 和 Lovable 这样的应用程序之所以如此出色，是因为它们从一开始就以人工智能为核心构建，并充分利用了它们的对话和生成能力。我们设想为营销也采用类似的方法。 如果你经常在 Twitter、Reddit 等社交媒体上发帖，并且有兴趣测试一种新颖的营销软件方法来帮助我们验证这个概念，我很乐意与你交流。