最新

我写了一份关于我在智能体系统中思考的一个区分的概念论文草稿。 主要观点：智能体可能缺少一个可重用的操作记忆层，用于记录它们通过实际执行任务所学到的东西——这与用户记忆、检索/RAG和微调是不同的。 例子包括： - 在执行过程中发现的工具特性 - 重复有效的工作流程模式 - 特定环境下的过程知识 - 重新发现的代价高昂的失败模式 我暂时将这个模式称为“智能体经验缓存”。 我主要想进行压力测试： - 这是否真的是一个独立的类别 - 它与情节记忆/轨迹存储/工具使用痕迹的重叠之处 - 失败模式和失效风险的框架是否正确 草稿在这里： https://docs.google.com/document/d/126s0iMOG2dVKiPb6x1khogldZy3RkGYokkK16O0EmYw/edit?usp=sharing

您好，我是ScrapeGraphAI的创始后端工程师，曾负责构建处理每月数百万页面的分布式抓取管道。<p>最近受到裁员影响，目前希望加入一个早期团队（专注于后端/基础设施，使用Python/FastAPI）。<p>我对远程工作或合同工作持开放态度。很高兴能聊聊！ GitHub: https://github.com/mdehsan873

使用OpenAI API在一个周末为我的朋友们构建了几个无服务器的前端网页应用程序，用于制作有声书，我想和大家分享一下。 PDF 转 M4B - <a href="https://mstsirkin.github.io/bookworm-whisper/pdf.html" rel="nofollow">https://mstsirkin.github.io/bookworm-whisper/pdf.html</a> Epub 转 M4B - <a href="https://mstsirkin.github.io/bookworm-whisper/epub.html" rel="nofollow">https://mstsirkin.github.io/bookworm-whisper/epub.html</a>