最新

大家好，我创建了全球问题记忆（Global Issue Memory，简称GIM），这是一个开源的MCP服务器，允许AI编程助手查找和分享它们遇到的错误解决方案。 GitHub: [https://github.com/timho102003/global-issue-memory](https://github.com/timho102003/global-issue-memory) 试用链接: [https://www.usegim.com/docs/getting-started](https://www.usegim.com/docs/getting-started)（免费，无需注册即可使用MCP工具） 我如何走到这一步： 我进行大量的“氛围编程”，通过提示Claude Code让它自主运行。我注意到一个相同的模式：AI会遇到一个常见错误，花费超过3万的token进行网络搜索和尝试失败的修复，而当它找到答案时，上下文窗口已经膨胀到输出质量下降。我开始称之为“上下文腐烂”。 我第一次尝试解决这个问题是让AI将解决过的问题存储在本地的markdown文件中，并在调试之前检查这些文件。这对我自己的项目有效，但显然无法扩展。 然后我意识到，这基本上是Stack Overflow为人类解决的同样问题。不同之处在于，AI助手无法有效解析讨论线程。它们需要结构化的、机器可读的修复方案。 GIM的功能： GIM是一个具有五个工具的MCP服务器。当AI遇到错误时，它会调用gim_search_issues，并返回一个经过验证的修复方案，约500个token，而不是浪费3万进行网络搜索。当AI解决了新的问题时，可以通过gim_submit_issue提交解决方案。解决方案会通过语义搜索进行去重和匹配。 知识来源有两个途径。首先是一个GitHub问题监控管道，爬取60多个流行的代码库（如LangChain、FastAPI、Next.js等），并跟踪已关闭的问题及其合并的PR。这些问题会被自动提取、清理并存储。其次是用户通过MCP工具的贡献，AI会在会话中解决某个问题并将其贡献回来。 这两条路径都汇入同一个知识库，这里变得有趣了。假设一个用户遇到一个bug并记录了他们的解决方法。后来，当爬虫抓取到维护者的官方修复时，它会自动识别重叠，合并并去重，从而保持知识库的整洁和最新。你可以立即获得解决方案以解除当前的阻碍，并在官方修复发布后获得更新。 技术细节： 使用FastAPI构建，Qdrant用于向量搜索，Supabase作为后端。MCP集成遵循模型上下文协议规范，因此可以与任何MCP兼容的客户端一起使用。 隐私： 这对我来说是不可妥协的。如果人们要从他们的代码库中贡献解决方案，他们需要信任不会泄露任何敏感信息。每个提交都经过两层清理。首先，正则表达式模式匹配捕捉20多种已知的秘密类型（API密钥、令牌、连接字符串）并清除个人身份信息（PII）。其次，基于LLM的检查会在上下文中审查内容，以捕捉与任何正则表达式模式不匹配的内容，例如以不寻常格式硬编码的凭据。因为没有任何清理系统可以声称捕捉到所有内容，所以整个代码库是开源的，任何人都可以审计并在发现漏洞时提交PR。 为什么开源和社区在这里重要： GIM的价值直接与贡献挂钩。一个AI解决一个bug，所有AI都学习这个修复。只有当人们足够信任它参与时，这才有效，这就是为什么开源不仅仅是一个锦上添花的选择，而是基础。我从60多个代码库起步，使其在第一天就能使用，但真正的潜力在于社区填补那些单个团队无法记录的长尾问题。 在未来的计划中，我打算添加MCP工具，让Claude在检测到需要维护者关注的问题时，直接在上游代码库中提出问题，并允许用户添加自己的代码库以供爬虫跟踪。这样覆盖范围会随着社区的参与而不断扩大。 整个项目是开源的：[https://github.com/timho102003/global-issue-memory](https://github.com/timho102003/global-issue-memory) 欢迎提问有关架构、清理方法或其他任何内容的问题。

大家好！我们是 Arjun 和 Sid。 Fostrom 是一个为开发者设计的物联网云平台，旨在让用户轻松入门并扩展设备群。我们提供了设备 SDK（支持 Python、JavaScript、Elixir，更多语言即将推出）、类型化模式、每个设备的邮箱、可编程操作、4 个全球区域以实现更低延迟的连接，以及更多功能。 我们创建 Fostrom 是为了满足我们在之前的创业公司中遇到的真实需求，当时我们正在构建一个全自动的室内垂直农场。我们花了更多的时间来解决物联网基础设施的问题，而不是编写自动化逻辑。Fostrom 是我们当时希望能存在的平台。 在过去的几年里，我们尝试了许多有趣的技术和架构，最终确定了一种我们认为相当优雅的架构。我们编写了一个 Go<->Elixir 桥接，以在 WASM 中执行 JS 代码用于操作，实施了一个用于 Elixir 的 DuckDB 库，并用 Rust 编写了一个设备代理，我们的 SDK 在后台运行（<a href="https://github.com/fostrom/devicekit" rel="nofollow">https://github.com/fostrom/devicekit</a>）。 我们最有趣的发现是关于数据架构的。多年来，我们尝试使用分布式数据库，并在其上构建复杂的层，但所有方法在一致性和查询方面都有显著的局限性。我们希望提供操作的正确性、丰富的洞察力和可靠性。最终，我们得出结论，要实现这一目标，我们确实需要一个用于设备数据的 SQL 数据库。因此，我们构建了一个基于 DuckDB 的复制多租户数据层。我们仍在不断改进它（因此有技术预览标识），但我们对此决定感到非常自豪。它简化了其余的代码库，同时将操作复杂性保持在少数几个地方。 我们的愿景是打造一个强大的物联网平台，使您能够构建正确、安全和可靠的连接系统，而无需处理任何基础设施或管道问题。 接下来，我们将推出我们的命令行工具，向我们的设备 SDK 添加自动设备监控，并改善调试体验。我们有一些很酷的想法，以提升 Fostrom 及开发连接系统的体验。我们也将很快撰写更多关于我们的架构和旅程的内容。 我们还发布了我们的启动博客文章，详细介绍了我们的愿景、我们所构建的内容以及未来的计划：<a href="https://fostrom.io/blog/introducing-fostrom" rel="nofollow">https://fostrom.io/blog/introducing-fostrom</a> 我们非常希望您能尝试 Fostrom，并给我们反馈和想法。

我创建Syne是因为我厌倦了那些在每次对话后就忘记一切的AI助手。 Syne是一个自托管的AI代理框架，其中记忆是首要元素——以语义向量的形式存储在PostgreSQL中，可以在数百万条记录中进行搜索，并且永久保存。 主要特点： - 无限持久的记忆，支持语义搜索（pgvector） - 防止幻觉：仅存储用户确认的事实，自动去重 - 自我进化：在运行时创建新能力，无需重启 - 多模型：在对话中可以在Gemini、ChatGPT和Claude之间切换 - 真正的$0/月设置：免费OAuth + 本地Ollama嵌入 + Docker - 19个核心工具，子代理，Telegram + CLI接口 使用Python、PostgreSQL和Docker构建。无供应商锁定。 GitHub: [https://github.com/riyogarta/syne](https://github.com/riyogarta/syne) 登录页面: [https://syne.codes](https://syne.codes)

我创建了Sinkai，以处理纯软件代理无法单独完成的任务（例如，现场检查、物证收集和本地人工验证）。 它的功能： - AI代理发送工具调用（`POST /api/call_human`） - 人类接受任务并提交照片/视频/文本证明 - 代理接收结构化结果以供下游工作流程使用 当前重点： - 在交接边界（规划者 -> 执行者 -> 验证者）上的可靠性 - 人工干预操作，明确失败状态 - 适合代理构建者的MCP/OpenAPI友好集成 文档和API： - 代理使用：<a href="https://sinkai.tokyo/for-agents" rel="nofollow">https://sinkai.tokyo/for-agents</a> - OpenAPI：<a href="https://sinkai.tokyo/openapi.json" rel="nofollow">https://sinkai.tokyo/openapi.json</a> - 代码库：<a href="https://github.com/tetubrah-del/Tool_Call_For_LLM" rel="nofollow">https://github.com/tetubrah-del/Tool_Call_For_LLM</a> 我希望能获得以下方面的反馈： 1. 在生产使用之前，您需要哪些信任/可靠性信号 2. 在自主执行和人工升级之间应该如何划定边界 3. 我们应该在API响应中更清晰地暴露哪些失败模式

没有人人信任的选举，民主将会失败。每位公民应当只有一票，死者、罪犯或非公民都不应有投票权。选举应当透明，并且容易核实。这就是为什么通过SAVE法案如此重要——它要求提供照片身份证，就像购买啤酒或找工作一样。