最新

AI 智能体在软件方面表现出色，因为其“编辑-运行-观察-重复”的循环是闭合的。而硬件却打破了这种循环。智能体可以编写固件，但无法看到设备实际在做什么。 本项目旨在弥合这一差距。三个 MCP 服务器为智能体提供了对真实硬件接口的直接访问权限：调试探针（烧录固件、暂停 CPU、读取寄存器和内存）、串口控制台（启动日志、CLI 命令）和 BLE。 我们使用结构化工具，而非 shell 命令，这样智能体就能像推理代码一样推理硬件状态。 最新的演示：从单个终端会话中，在 nRF52840 上部署 TFLite Micro 关键词识别模型。智能体烧录了固件，调试了硬故障，切换到 CMSIS-NN 优化内核，并调整了张量 arena 的大小。 最终结果：端到端延迟 98 毫秒，在来自 Google Speech Commands 数据集的真实录音中，准确率达到 94.6%。 这是关于赋予 AI 智能体直接访问硬件权限的系列文章的一部分：<a href="https:&#x2F;&#x2F;es617.github.io&#x2F;let-the-ai-out&#x2F;" rel="nofollow">https:&#x2F;&#x2F;es617.github.io&#x2F;let-the-ai-out&#x2F;</a>

Hi HN， 我开发了 hanoi-cli，这是一个小型的 CLI 工具，用于分析 Pod 在 Kubernetes 节点上的分布情况，并提出更优的部署建议。 这个想法源于一个反复出现的问题：即使正确设置了 requests/limits，集群也经常最终变得不平衡。一些节点过载，而另一些节点则未充分利用。 欢迎反馈。

构建了一个免费的 Superwhisper 替代方案。Whisper 在本地运行，可选通过 OpenAI、Anthropic 或 Ollama 进行 LLM 清理。采用 MIT 许可证。