最新

最近，我开始思考将我的 AllSign 项目的核心基础开源会是什么样子。随着我越陷越深地钻研这个概念，我意识到这些核心基础实际上很好地解决了我之前遇到的一个关于代理记忆的问题。 我读了一篇题为“基于文件系统的 LLM 代理记忆”的论文，链接是：https://arxiv.org/pdf/2607.26637。该论文（正确地）得出结论：“信息收集和组织并不能自动带来智能”。我对此表示赞同。 我心想，缺失的是“策展”。必须有人来决定什么值得保留，什么可以被替换，什么才是真实的，以及什么悄无声息地不再真实。 需要支持 HITL（人工干预）和 HOTL（机器干预）的知识/记忆管理。 然后我想到，如果能将 AllSign 的核心基础变成一个支持任何参与者的知识管理开放协议呢？ 这促使我创建了 Facts 协议和 Fact CLI。 如果您有兴趣，可以在这里阅读更多信息：https://gist.github.com/iamalnewkirk/22ae2d8c8cc1b8790236da9edf2f7b73 - https://github.com/facts-kms/cli - https://github.com/facts-kms/spec

你编写一个标准的解决方案，就像在 LeetCode 上一样，然后通过命令行界面运行它。它会根据 ID 或标题识别问题，使用本地测试用例执行你的代码，并显示结果。 目前支持约 1.4k 道题目和多种语言，包括 Python、C++、Rust、Java、Go、TypeScript、Swift 等。 该项目仍处于 MVP（最小可行产品）阶段。系统设计、SQL 和并发问题尚不支持，但计划支持更多类型的问题。 使用 Haskell 开发！

随着项目日益复杂以及 Claude 代码对话的压缩，我试图构建的内容以及待办事项的上下文会丢失或混淆。为了解决这个问题，我们构建了 Engelbart，一个开源的 Claude 插件。它能从之前的对话轮次中推断出您的目标和待办事项，并通过一个 Web 界面呈现出来。该界面会将上下文注入到您的 Claude 代码对话轮次中，以便您更新项目目标。