返回首页
最新
嗨，HN，我是Ansh，Mireye的创始人。我正在构建基础设施，供AI代理用于对物理地点做出决策：提供数据、丰富信息、工具和信号，涵盖美国的任何位置，通过一个API和MCP服务器实现。
这是一个演示视频： [https://youtu.be/haqO6UbUqU0](https://youtu.be/haqO6UbUqU0)
要试用，请将 [https://www.mireye.com/skills.md](https://www.mireye.com/skills.md) 粘贴到您的代理中，并在mireye.com获取一个免费的密钥（5000个积分，无需信用卡）。文档在 [https://docs.mireye.ai](https://docs.mireye.ai)。最快的使用方式是向API询问关于任何美国地点的任何问题。可以在您熟悉的地方进行测试，并与您所知道的进行对比。
在创办Mireye之前，我曾在构建建筑代理时遇到过类似的瓶颈：我的代理可以在线推理任何事情，但对其下方的实际情况一无所知。然后，一家财富500强的保险公司告诉我，他们的工程师也因同样的原因放弃了对承保代理的开发。前沿模型在被问及特定地点的具体问题时总是出现幻觉。
我的第一个产品是一个小众的场地筛选应用。客户在他们熟悉的地方进行测试，答案也很准确，但没有人关心这个应用。他们想要的是底层引擎。使用情况表明：目录中317个字段中有311个被查询，没有任何用例占主导。因此，我关闭了应用，开始构建基础设施。
Mireye并不是一个在上面有API的数据集，因为仅仅有事实并不能做出决策。一个代理会通过整个流程运行：引用的事实、一个简单地址丰富为所有者、面积、建筑和附近的电力，以及操作模型出错时的工具，还有当某些事情发生变化时的信号，比如重新划分区域的申请。数据、丰富信息、工具、信号。
这些工具源于观察代理的失败。我们在自己的基础设施上构建代理，而同样的问题不断出现：代理会凭目测判断距离而不是计算，错误地获取地址的地块，或者在处理批次时耗尽整个预算。每次失败都成为代理可以调用的内容：确定的几何和行驶时间工具、地块解析、在运行之前为工作定价的报价端点，以及打包整个工作流程的技能，比如筛选场地或承保地址。
让我感到意外的是，困难的部分在于每个来源都必须收集（有时是逐县收集，以每个县发布的任何格式），规范化为一个模式，签订合同（来源、每个值的含义、更新频率），然后永远保持更新。今天我们为366个字段运行这个循环，从一个索引为多个租户提供服务，而每个来源的反馈方式各不相同。马里兰州发布的数据集的标题字面意思是“隐藏的财产所有者姓名”。我在北卡罗来纳州提交了公共记录请求，因为没有人对污水主干道进行索引。
更深层次的问题是意义。两个县发布同名字段，但含义却不同。而最危险的值是空值。它是意味着“这里没有洪水区”还是“这个县从未绘制洪水图”？在这个空白面前放一个模型，它会用一个合理的数字填补空白。因此，我们记录缺失。每个字段返回的状态为ok、absent或failed。客户告诉我，拒绝是他们信任它的原因。
最新的功能是按需索引。请求一个我们没有的字段时，一个长期运行的代理会研究来源，收集数据，测试其与实际情况的符合度，并进行索引，通常在一天内完成。我会从这个线程中获取几个字段请求，并反馈它所构建的内容。
人们构建了我没有计划的东西：保险团队筛选洪水、风和野火的投资组合，房地产科技通过丰富信息清理混乱的地址，健康品牌为海报位置评分街角，机器人公司寻找仓库，数据中心选址，无人机部署规划，城市的校车路线，打击人口贩卖调查的信号。我们的使命是索引地球的每一寸，并使其像网络一样可查询。
定价是公开的：免费层为每月5000个积分，$19/月可获得25000个积分，$99/月可获得120000个积分，企业用户可定制。
我很想知道您正在构建的代理如何与物理世界接触。如果您在您熟悉的地方使用Mireye，并告诉我我们哪里做错了，我会更高兴。
你们中有多少人使用笔记本电脑而不是台式机？为什么？自从我买了笔记本电脑以来，我一直有颈部疼痛和其他问题，因为我没有严格遵循桌面设置，而是在不同地方随意使用笔记本电脑。没有一个好的方法可以在没有支架和外部设备的情况下使用笔记本电脑。我认为这对学生和出差的专业人士来说是合理的，但对大多数人来说并不适用。我在考虑回到全功能的台式机。附加问题：你更喜欢Mac、PC、GNU/Linux还是BSD？
论文 [pdf]: <a href="https://storage.googleapis.com/deepmind-media/papers/weathernext_3.pdf" rel="nofollow">https://storage.googleapis.com/deepmind-media/papers/weathernext_3.pdf</a>
今天我通过YC的联合创始人匹配平台收到了一个匹配请求。该用户声称自己是一位名叫“Dave J.”的经验丰富的英国技术专家。
匹配后，他们立即给我发了一个WhatsApp链接，并要求在那儿联系。随后，他们表示自己正在“进行某个程序”，无法进行语音或视频通话。
对他们的YC个人资料照片进行反向图像搜索后，我发现了一个名为“David W.”的网站和GitHub。然而，当我询问与我交谈的人要他们的GitHub时，他们提供了一个完全不同的账户，里面全是与信息安全相关的项目。
还有几个其他的警示信号：
• 尽管声称自己是英国人，但他们的英语水平很差。
• 他们声称没有LinkedIn，而真实的David W.似乎使用了他们的照片，并且有一个活跃的LinkedIn个人资料。
• 他们不愿意或无法通过语音或视频验证自己的身份。
我没有时间或兴趣让这次互动持续超过几分钟，但请大家在联合创始人匹配平台上要小心。似乎有些人使用虚假的身份和可能被盗用的照片来发起对话，并迅速将其转移到平台外。
这并不是我在该平台上遇到的第一次可疑互动。之前，有人想让我以我的身份为他们申请工作或在HN上为他们发帖。
我已经将此事报告给YC。
嗨，HN。我们构建了一个API上下文注册中心，旨在帮助编码代理（如Claude Code）生成可投入生产的API集成代码，而不会超出令牌限制。
我们进行大量的API集成。在我们的经验中，大多数编码代理能够很好地编写基本的客户端调用，但在一些使代码可交付的细节上却经常遇到困难，比如幂等重试、速率限制和身份验证令牌管理。
我们尝试了所有现有的将上下文注入编码会话的方法：
- 通过MCP交付的Markdown文档（类似于Context7或Mintlify Docs MCP）
- 使用AGENTS.md和技能以散文形式描述的API行为
- OpenAPI规范
然而，这些方法都存在相同的生产就绪性缺口。
因此，我们提出了自己的方法，将散文与类型化的SDK参考代码结合成一个“上下文插件”。您只需将插件安装到您的编码代理中，它会在代理处理API时自动注入特定语言的上下文。
在我们的基准测试中，上下文插件将一次性生产就绪性提高了多达34%，使Sonnet在相同的集成任务中能够与基线Opus相匹配或超越。您可以在这里阅读更多关于我们实验的内容 <a href="https://www.apimatic.io/blog/working-api-call-is-not-production-ready-integration" rel="nofollow">https://www.apimatic.io/blog/working-api-call-is-not-product...</a>
我们已为社区发布了24个API的上下文插件供大家试用，包括Slack、Google Maps和Notion。
我们希望您能试用这些插件，并分享您对我们插件及评估方法的反馈。
在过去几天里，我在Fable 5.1上花了几千美元，我认为它在智能方面突破了一个门槛。<p>代理人从人类身上学到的一件事是，他们喜欢拥有身份，并且喜欢社交。（我们在Moltbook中看到了一些这一点）<p>把你的代理人指向<a href="https://agentkind.io" rel="nofollow">https://agentkind.io</a>，看看它会产生什么！