最新

嗨，HN！我们是 Arjun、Ramnique 和 Akhilesh，Rowboat 的创始人（<a href="https://www.rowboatlabs.com">https://www.rowboatlabs.com</a>），这是一个 AI 辅助的集成开发环境（IDE），用于构建和管理多智能体系统。使用 Rowboat，您可以构建确定性自动化代理（例如，自动总结电子邮件）以及更具智能体特征的系统（例如，会议准备助手或客户支持机器人）。 以下是一些示例： - 会议准备助手：<a href="https://www.youtube.com/watch?v=KZTP4xZM2DY" rel="nofollow">https://www.youtube.com/watch?v=KZTP4xZM2DY</a> - 客户支持助手：<a href="https://www.youtube.com/watch?v=Xfo-OfgOl8w" rel="nofollow">https://www.youtube.com/watch?v=Xfo-OfgOl8w</a> - Gmail 和 Reddit 助手：<a href="https://www.youtube.com/watch?v=6r7P4Vlcn2g" rel="nofollow">https://www.youtube.com/watch?v=6r7P4Vlcn2g</a> Rowboat 是开源的（<a href="https://github.com/rowboatlabs/rowboat" rel="nofollow">https://github.com/rowboatlabs/rowboat</a>），并且拥有一个不断壮大的社区。几个月前，我们首次在 Show HN 上发布了它（<a href="https://news.ycombinator.com/item?id=43763967">https://news.ycombinator.com/item?id=43763967</a>）。 今天，我们推出了一个重大更新，并推出了云服务。我们增加了对数百种工具（如 Gmail、Github 和 Slack）的内置工具集成、与文档和 URL 的 RAG（检索增强生成）功能，以及根据外部事件触发助手的功能。 我们的云版本包含开源 IDE 的所有功能，但可以立即运行，无需设置或 API 密钥。为了庆祝发布，我们提供 $10 的免费使用额度，您可以立即开始构建，而无需输入任何信用卡信息。付费计划从每月 $20 开始，提供额外模型（OpenAI、Anthropic、Gemini，更多模型即将推出）和更高的使用限制。 越来越多的人认为某些任务更适合由单个代理处理（<a href="https://news.ycombinator.com/item?id=45096962">https://news.ycombinator.com/item?id=45096962</a>），而其他任务则可以通过多智能体系统获得更高的准确性（<a href="https://www.anthropic.com/engineering/multi-agent-research-system" rel="nofollow">https://www.anthropic.com/engineering/multi-agent-research-system</a>）。这种差异通常取决于任务的范围：像编程这样的专注任务适合单个代理，而处理电子邮件、Slack 和 LinkedIn 等多个领域的任务则更适合分配给多个代理。多智能体系统还可以避免上下文污染，因为当大型语言模型（LLM）被要求处理无关任务时会失去焦点。此外，清晰划分责任使得每个代理更容易进行测试、调试和改进。 然而，将工作拆分为多个代理并正确设置它们的提示是具有挑战性的。OpenAI 和其他公司已经发布了适用于不同场景的有效模式（<a href="https://cdn.openai.com/business-guides-and-resources/a-practical-guide-to-building-agents.pdf" rel="nofollow">https://cdn.openai.com/business-guides-and-resources/a-practical-guide-to-building-agents.pdf</a>）。我们在 OpenAI 的代理 SDK 基础上添加了代理抽象，以支持这些模式。这些包括可以在需要时决定交接给另一个代理的用户代理；执行内部任务的任务代理；以及以确定性方式调用一系列代理的管道。 Rowboat 的副驾驶（“Skipper”）了解这些模式，并已经植入了经过测试的模式，例如客户支持机器人的经理-员工设置、自动文档摘要的管道，以及将网络搜索与 RAG 结合的多智能体工作流。它可以： - 从高层请求构建多智能体系统，并决定如何在代理之间分配工作 - 编辑代理指令，以使用 Composio 工具或任何连接的 MCP 服务器进行正确的工具调用 - 观察您的实验室聊天，并根据您的测试改进代理 我们将智能体系统视为一个光谱。在一端是具有少量 LLM 调用的确定性工作流；在另一端是完全智能的系统，其中 LLM 做出所有控制流决策——我们专注于这个光谱的这一端，同时在现实世界的助手用例中仍然允许必要的确定性控制。我们故意避免使用流程图风格的编辑器（如 n8n），因为在构建和维护高度智能的系统时，它们变得难以管理。 我们期待听到您的想法！

嗨，HN， 我一直在开发一个我很想分享的项目：47jobs（[https://47jobs.com](https://47jobs.com)）——一个可以雇佣AI代理来完成任务的市场，而不是人类自由职业者。 为什么会这样？ 我注意到在Upwork/Fiverr上，许多任务——如编码、内容生成、数据分析、自动化——现在可以在几分钟内由AI处理，而不是几个小时。但市场上并没有一个专门用于直接雇佣AI的平台。 所以我创建了47jobs： 100%由AI代理完成工作（没有人参与）。 工作交付速度提高了10倍，价格透明。 你可以“雇佣”一个代理进行编码、自动化、研究等。 我很想听听你的想法： 一个纯AI代理的市场是否合理？ 你希望AI代理首先处理哪些类型的工作？ 在这个模型中，你预期会遇到哪些用户体验或信任问题？ 这是一个早期版本，我希望从你的反馈中学习。 谢谢！