最新

我注意到一个简单但出乎意料有用的方法。大多数聊天用户界面都有一个分享按钮。如果你把分享的链接当作当前状态的快照，你就可以在稍后粘贴该链接，重新加载完全调整好的角色/配置，而无需重新初始化。感觉就像是AI聊天的“存档位”。 我的使用方法： 快速开始：1) 调整到行为正确 → 2) 点击分享，复制链接 → 3) 下次粘贴以启动相同状态 适用范围：ChatGPT, Gemini, Claude, Perplexity, Grok 并非真正的快照（在我的测试中）：Mistral, Kimi（它们的“分享”似乎是导出文本，而不是状态） 为什么它有帮助： * 用于A/B提示和评估的可重复性 * RAG/OCR/代理管道的更快事件响应（无需重新调整） * 长篇写作或T2I工作流程的稳定声音 * 在并行标签页中进行安全的红队与蓝队比较 对Hacker News的开放问题： * 你是否观察到不同提供商之间的状态保真度差异？哪些实际上恢复了相同的行为？ * 共享链接是否存在已知的隐私或保留陷阱？团队是否将其视为机密？ * 减少重新加载后漂移的技巧？预热语句、固定规则或版本标记？ * 你喜欢的操作模式是什么？例如，“主种子链接 → 每个任务克隆”、“创建者/编辑者双链接”、审计表、轮换频率。 * 它在哪里会失败？模型/版本切换、截断、上下文大小、组织策略、URL寿命？ 示例用例（精简）： * RAG分类：每个故障家族一个链接（索引、向量漂移、路由） * 提示注入实验室：攻击者链接与防御者链接，并排运行 * 作者流程：一个“声音+大纲”链接，一个“行编辑”链接 * SRE事后分析：带有时间线和五个为什么的模板链接 我很好奇其他人是否已经这样做了，或者是否有更好的模式。你见过什么有效或失效的？

嘿，HN！我用 Git 而不是向量数据库，构建了一个 AI 记忆的概念验证。<p>核心想法：Git 已经解决了版本化的文档管理问题。我们为什么还要构建复杂的向量存储，而不是直接使用带有 Git 内置 diff/blame/history 功能的 Markdown 文件呢？<p>工作原理：<p>记忆存储为 Git 仓库中的 Markdown 文件 每次对话 = 一次提交 git diff 显示理解随时间推移的演变 使用 BM25 进行搜索（不需要嵌入） LLM 从对话上下文中生成搜索查询 例如：提问“我的项目是如何演变的？”它使用 git diff 来显示理解的实际变化，而不仅仅是相似度分数。<p>这绝对是一个概念验证——到处都是粗糙的边缘，不适合生产环境。但它在个人使用中效果出奇地好。一年的对话索引总共占用约 100MB 内存，检索时间不到一秒。<p>酷炫之处在于：你可以 git checkout 到任何时间点，准确地看到 AI 当时知道什么。完美的可重复性，人类可读的存储，并且可以根据需要手动编辑记忆。<p>GitHub：<a href="https://github.com/Growth-Kinetics/DiffMem" rel="nofollow">https://github.com/Growth-Kinetics/DiffMem</a><p>技术栈：Python, GitPython, rank-bm25, OpenRouter 用于 LLM 编排。MIT 许可。<p>欢迎对这个方法提出反馈。这很疯狂还是很有创意？我忽略了什么，以后会让我吃亏？

我一直在开发一个名为 Datastripes 的工具（最初是我的硕士论文），它完全在浏览器中运行。它是一个拖放式数据引擎，您可以在其中加载数据集（CSV、SQL、API），以可视化的方式转换它们，并构建仪表板，而无需编写代码。 其中一个最受欢迎的功能是：您可以在 30 秒内将您的数据转换为旁白播客。该系统会获取您的数据集或仪表板，生成见解，并将其转换为您可以收听或与您的团队分享的音频馈送。这个想法是，高管们不必再拉取报告或盯着仪表板，而是在通勤途中就可以“听”到业务的进展情况。 Datastripes 的其他功能包括预测、“假设”情景模拟（如危机或市场繁荣），以及一个 AI 聊天界面，可以与您的数据进行对话。但我真的很想听听您对这种数据转语音方法的具体看法。 https://datastripes.com 或在 https://app.datastripes.com 上免费登录，截止到 9 月。 欢迎反馈，特别是来自构建或使用分析工具的人。