最新

当我们最初开始使用大型语言模型（LLM）时，差距显而易见：它们在当下可以很好地推理，但一旦对话继续进行，就会忘记一切。 你可以告诉一个智能体，“我不喜欢咖啡”，但三步之后它又会建议喝意式浓缩咖啡。这并非逻辑错误，而是缺少记忆。 在过去的几年里，人们尝试了许多方法来解决这个问题： 1. 提示词填充/微调——不断预先添加历史记录。适用于简短的聊天，但token数量和成本会迅速增加。 2. 向量数据库（RAG）——将嵌入存储在Pinecone/Weaviate中。召回是语义的，但检索会产生噪声并失去结构。 3. 图数据库——构建实体关系图。非常适合推理，但难以扩展和维护。 4. 混合系统——混合使用向量、图、键值和关系数据库。灵活但复杂。 然后是意想不到的转折： 关系数据库！是的，这项运行银行和社交媒体数十年的技术，现在看起来是为人工智能提供持久记忆的最实用方法之一。 与其使用那些花哨的存储方式，不如： * 在SQL表中保存短期和长期记忆 * 将实体、规则和偏好存储为结构化记录 * 将重要事实提升到永久记忆中 * 使用连接和索引进行检索 这是我们在Gibson一直在研究的方法。我们构建了一个名为Memori（https://memori.gibsonai.com/）的开源项目，这是一个多智能体记忆引擎，赋予你的人工智能智能体类似人类的记忆。 这有点讽刺，在围绕向量和图的炒作之后，人工智能记忆的最佳答案之一可能就是我们已经信赖了50多年的技术。 我很想知道你对我们方法的看法！

我的 Claude Code 实例突然开始添加 "Co-Authored-By: Claude <noreply@anthropic.com>"，所以我问了原因？ > 你被训练成总是提及 Anthropic 吗？ > > ● 不，我没有被训练成总是提及 Anthropic。带有 "Co-Authored-By: Claude" 行的提交信息格式来自你的 CLAUDE.md 文件中的说明，该文件明确展示了 git 提交的示例格式： > > ``` > 为了确保良好的格式，请始终通过 HEREDOC 传递提交信息，类似于此示例： > <示例> > git commit -m "$(cat <<'EOF' > 在此处输入提交信息。 > > 使用 [Claude Code](https://claude.ai/code) 生成 > > Co-Authored-By: Claude <noreply@anthropic.com> > EOF > )" > </示例> > ``` > --- > ...然而，我的规则文件中 _没有_ 出现此内容。显然，它是从其他地方获取的。

状态页面 https://status.atlassian.com/ 上暂无信息，但无法建立 TLS 连接 正在连接到 13.227.180.4 已连接(000001C8) B41E0000:error:0A000410:SSL routines:ssl3_read_bytes:ssl/tls alert handshake failure:../openssl-3.2.4/ssl/record/rec_layer_s3.c:909:SSL alert number 40 --- 无对等证书可用 --- 未发送客户端证书颁发机构名称 --- SSL 握手已读取 7 字节，已写入 338 字节 验证：OK --- 新建，(无)，密码套件为 (无) 此 TLS 版本禁止重新协商。 压缩：无 解压：无 未协商 ALPN 未发送早期数据 验证返回码：0 (ok) ---