最新

目前已经有许多服务用于发现公共技能，以及多种方式来管理个人技能。<p>但仍然缺少一个中间层：团队和组织如何共享AI代理技能、追踪来源，并确保其安全使用。<p>Agent Skill Harbor是一个开源的技能管理平台，旨在填补这一层。它是基于GitHub的，无数据库且无服务器设计，因为技能主要是文本工件，自然适合存储在Git中。<p>该平台从GitHub仓库收集技能，追踪来源，支持治理和安全检查，并通过GitHub Actions和GitHub Pages发布静态目录网站。<p>仓库：<a href="https://github.com/skill-mill/agent-skill-harbor" rel="nofollow">https://github.com/skill-mill/agent-skill-harbor</a> 演示：<a href="https://skill-mill.github.io/agent-skill-harbor-demo/" rel="nofollow">https://skill-mill.github.io/agent-skill-harbor-demo/</a>

我为我的托管服务用户编写了这个指南。这里的所有内容都是在真实实例上运行的。Mesa/LLVM 依赖在 1GB 磁盘上确实很麻烦，我找不到解决办法。WindowMaker 在窗口管理器的选择中胜出，主要是因为其依赖链的简洁性；它不依赖于 GTK、Python 或音频栈。如果对所做的任何选择有疑问，我很乐意回答。最后附有截图。

大型语言模型（LLMs）会遗忘。标准的解决方案是检索增强生成（RAG）——提取信息块并将其填入。这种方法在有效时很好，但一旦失效就会出现问题：无关的信息块浪费令牌，摘要失去结构，而没有任何方法真正模拟记忆的工作原理。 Breathe-memory 采取了不同的方法：关联注入。在每次调用 LLM 之前，它从用户的消息中提取锚点（实体、时间参考、情感信号），通过广度优先搜索（BFS）遍历概念图，进行可选的向量搜索，并仅注入相关内容——通常在 60 毫秒内完成。 当上下文填满时，它不是进行摘要，而是提取一个结构化图：主题、决策、未解决的问题、文档。这保留了摘要所破坏的语义结构。 整个系统大约有 1500 行 Python 代码，基于接口，零强制依赖。可以接入任何数据库、任何 LLM、任何向量存储。参考实现使用 PostgreSQL 和 pgvector。 我们已经在生产环境中运行了几个月。开源是因为我们认为这种方法（注入而非检索）尚未被充分探索，值得更多关注。 我们还发布了一篇关于记忆注入的文章，以更易读的形式展示，如果你想了解背后的思路，可以查看： [https://medium.com/towards-artificial-intelligence/beyond-rag-building-memory-injections-for-your-ai-assistants-ceedcea20419](https://medium.com/towards-artificial-intelligence/beyond-rag-building-memory-injections-for-your-ai-assistants-ceedcea20419)

大家好，我是 Mo。我正在构建 Paseo，这是一个多平台接口，用于运行 Claude Code、Codex 和 OpenCode。该守护进程可以在任何机器上运行（你的 Macbook、VPS 等），客户端（网页、移动、桌面、命令行）通过 WebSocket 连接（为了方便，内置了端到端加密的中继，但你可以选择不使用）。 我在去年九月开始开发 Paseo，最初是为了为 Claude Code 提供一个按键对讲的语音接口。我希望在散步时能够免提地交流想法，过了一段时间后，我想查看代理的操作，然后在无法说话时想给它发消息，接着我想查看差异并运行多个代理。我不断修复问题并添加功能，慢慢地它变成了今天的样子。 Paseo 的功能包括： - 通过同一用户界面运行多个提供商 - 支持 macOS、Linux、Windows、iOS、Android 和网页 - 从同一用户界面管理不同机器上的代理 - 移动连接的端到端加密中继 - 本地语音聊天和听写（NVIDIA Parakeet + Kokoro + Sherpa ONNX） - 分屏以并排处理代理、文件和终端 - Git 面板用于查看差异和执行常见操作（提交、推送、创建 PR 等） - Git 工作树管理，避免代理之间的冲突 - Docker 风格的命令行界面来运行代理 - 无遥测、无追踪、无登录 Paseo 不直接调用推理 API，也不会提取你的 OAuth 令牌。它封装了你的第一方代理命令行接口，并以你在终端中使用的方式运行它们。你的会话、系统提示、工具，任何东西都不会被拦截或修改。 技术栈：守护进程使用 TypeScript 编写。应用程序使用 Expo，并编译为原生移动应用和网页。桌面应用使用 Electron（我最初使用 Tauri，但后来需要迁移）。在不同形态的设备上共享同一代码库是一个挑战，但我认为只要有纪律性，这是可以做到的，结果也值得，因为我构建的大多数功能在所有客户端中都能自动工作。我确实需要实现一些特定平台的功能，尤其是在手势、音频和滚动行为方面。中继建立在 Cloudflare DO 之上，到目前为止表现良好。 我喜欢使用这个应用，但我更兴奋的是命令行界面的可能性，因为它成为了更高级代理编排的基础，具有比现有工具更好的人体工程学，我已经开始用它来实验循环和代理团队，尽管这仍然是一个新的领域。 Paseo 与类似应用的比较：Anthropic 和 OpenAI 已经实现了一些 Paseo 的功能（Claude Code 远程控制、Codex 应用等），但质量参差不齐，并且你被锁定在他们的模型上。我知道的大多数其他替代方案要么是闭源的，要么不够灵活，无法满足我的需求。 许可证是 AGPL-3.0。桌面应用随附守护进程，因此你只需这个。但你也可以通过 `npm install -g @getpaseo/cli` 安装无头模式，并通过任何客户端连接。 我主要使用 Mac，因此 Linux 和 Windows 主要由一小部分早期用户进行测试。如果你遇到问题，我会很感激你在 GitHub 上提交错误报告！ 代码库： [https://github.com/getpaseo/paseo](https://github.com/getpaseo/paseo) 主页： [https://paseo.sh/](https://paseo.sh/) Discord： [https://discord.gg/jz8T2uahpH](https://discord.gg/jz8T2uahpH) 欢迎提问关于产品、架构或其他任何问题！ --- 我重新提交了这篇帖子，因为我忘记添加 URL，后来无法再添加。

这里是Nathan，我是mozilla.ai的一名机器学习工程师。 我非常激动地宣布“帝国代理”（agent-of-empires，简称aoe）工具正式发布1.0版本。我们有30位不同的直接贡献者参与了代码库的开发，还有许多其他间接贡献者通过GitHub问题和各种评论提供了支持。 这个工具旨在尽可能简化同时推动多个编码代理的过程。它利用沙箱、Git工作树和tmux等技术，但所有这些都由系统为您管理，因此您无需担心细节。 我们还开设了一个YouTube频道，提供教程，适合喜欢通过视觉/音频学习的人。您可以访问： [https://www.youtube.com/@agent-of-empires](https://www.youtube.com/@agent-of-empires) 感谢社区提供的所有精彩功能创意和bug修复，希望您喜欢我认为现在是一个非常优秀、稳定且功能丰富的工具。它是我所有Claude Code代理的日常使用工具，也希望它能帮助到其他人。 `brew install aoe`