最新

嗨，HN， 我想分享一个我一直在构建的热情项目：PROMETHEUS AGI。 我对大多数大型语言模型（LLM）/检索增强生成（RAG）应用程序仅仅进行文本摘要感到沮丧。我想看看一个自主群体是否能够进行跨领域推理，从而发明新的物理解决方案（重点关注联合国可持续发展目标）。 技术栈： - Neo4j Aura（免费版已达到151,000个节点/400,000条边） - 数据获取：Google BigQuery（专利） + OpenAlex API - 大型语言模型：Ollama（Llama 3）用于零成本本地实体提取，Claude 3.5通过MCP进行深度推理。 - 用户界面：Streamlit（数字双胞胎仪表板） + React/Vite（着陆页）。 工作原理： 该群体将问题（例如，水过滤器中的生物污垢）映射到不同领域的孤立技术（例如，材料科学 + 纳米生物学），并寻找“缺失链接”——在专利数据库中尚不存在的组合。目前，该管道已自主草拟了261个以上的概念蓝图（如项目HYDRA，一个零功耗水净化器）。 我们目前正在寻找领域专家（工程师、材料科学家）来验证这些AI生成的蓝图并构建物理原型，同时也在寻求资金以将图谱扩展到超过100万个节点。 仪表板：https://project-prometheus-5mqgfvovduuufpp2hypxqo.streamlit.app/ 着陆页/演示文稿：https://prometheus-agi.tech 我非常希望听到你对架构、Neo4j模式设计或多代理方法的坦诚反馈！

上周我请Claude为我构建一个Jira侧边栏，显示跨项目的依赖关系图——这种图在Jira中需要经过四次点击和三次页面加载才能找到。只需四个提示，就能在我实际使用的Jira中工作。它只是使用了Claude的Chrome扩展，将一个面板注入到我已经打开的页面中。 我一直在想：为什么大家不都在做这个呢？ 关于人工智能编码的讨论主要集中在从零开始构建新应用程序上。这很酷，但我并不需要一个新应用。大多数人一天的工作时间都在使用他们没有选择的应用程序：Jira、Salesforce、Workday、ServiceNow等。这些工具不会消失。我的公司在2019年选择了它们，并且至少在2029年前它们将继续存在。 Chrome扩展只是读取已经在DOM中的内容并进行增强。 有没有什么根本原因让我看不到这种方法无法大规模运作？为什么Claude的Chrome扩展没有引起更多的关注？

一个开源的、经过社区审核的现实问题库，这些问题是人工智能可以解决的，但目前还没有人去开发。 每个想法都经过以下过程： <p>有人识别出一个真实的低效问题——某个可以通过人工智能提升10倍或改善90%的问题。 社区对市场规模、现有解决方案、技术可行性和潜在影响进行研究。 领域专家进行投票、批评和完善。 那些能够存活下来的想法会获得一个可行性评分和详细的蓝图——准备好让某人去实施。</p> 所有内容均为MIT许可证。目标很简单：为开发者在真正重要的问题上提供一个起步的机会。 我们在寻找：能够审核想法的领域专家、希望选择一个并进行开发的工程师，以及任何发现了人工智能可以解决但尚未被处理的现实问题的人。