最新

我们在构建语音人工智能系统时不断遇到同样的障碍。Pipecat 和 LiveKit 确实是很棒的项目，但将其投入生产需要我们花费数周的时间进行基础设施搭建——将各个部分连接在一起，处理插话，设置电话系统、知识库、工具调用等。每当我们需要调整代理的行为时，就得回到代码中重新部署。我们只想在 30 秒内更改一个提示并进行测试。这就是 Vapi、retell 等工具存在的原因。 因此，我们编写了整个代码，并将其开源，作为一个可视化的拖放工具，用于语音代理（与 Vapi 或 n8n 类似）。该工具基于 Pipecat 的分支和 BSD-2 协议，无任何附加条件。工具调用、知识库、变量提取、语音邮件检测、呼叫转接到人工、支持多语言、通话后质量评估、背景噪音抑制以及网站小部件等功能均已包含在内。您无需向中介支付每分钟的费用，而是可以直接调用相同的 API。 您可以通过简单的 Docker 命令进行设置。它预先连接了 Deepgram、Cartesia、OpenAI、Speechmatics Sarvam 用于语音转文本（STT），文本转语音（TTS）同样如此，LLM 方面则支持 OpenAI、Gemini、groq、Openrouter 和 Azure。电话系统开箱即用，支持 Twilio、Vonage、Cloudonix 和 Asterisk 的入站和出站通话。 如果您不想自托管，可以使用 app.dograh.com 提供的托管版本。 代码库：github.com/dograh-hq/dograh 视频演示：<a href="https://youtu.be/sxiSp4JXqws" rel="nofollow">https://youtu.be/sxiSp4JXqws</a> 我们是出于挫败感而构建这个工具，而不是为了撰写论文。该工具免费使用并完全开源（并将始终保持如此），欢迎对数据或构建方式提出问题。

我开发了Pulsar来解决一个日常烦恼：GitHub的PR视图无法让你一目了然地看到多个仓库中需要关注的内容。 Pulsar是一个轻量级的仪表板，完全在你的浏览器中运行。你只需粘贴一个GitHub的PAT（个人访问令牌），它不会离开你的设备，没有后端，也不需要账户。 它按状态（需要关注、等待审核、你的PR、草稿）对PR进行分组展示，并附有审批徽章、CI通过/失败指示器，以及一个小型分析仪表板（周期时间、审核工作量、合并趋势）。 在线访问： [https://pulsar.arkham-advisory.com](https://pulsar.arkham-advisory.com) 来源： [https://github.com/Arkham-Advisory/pulsar](https://github.com/Arkham-Advisory/pulsar) 非常希望能得到反馈，特别是来自拥有多个仓库的团队。

如果人工智能代理成为劳动力，企业的操作系统是什么？ 在公司内部，开始发生一些有趣的事情。人工智能代理不再仅仅是回答问题。它们分析数据、触发工作流程、调用API、协调工具，有时甚至在系统之间发起行动。换句话说，它们开始表现得像一种新型的劳动力。 然而，企业仍然使用为不同环境设计的工具来管理它们。传统的企业软件假设了一个简单的模型：人类决策，软件执行。而人工智能代理模糊了这一界限。它们可以发起工作、协调系统，并在多个平台上操作。当规模扩大时，企业开始类似于一个分布式计算环境。而分布式系统通常需要一个操作系统。但组织实际上并没有一个。 它们拥有应用程序、自动化工具、人工智能框架和仪表板——但没有真正的系统层来协调整个组织的治理、决策、执行和学习。这就引出了一个有趣的问题。如果人工智能代理继续作为运营劳动力的一部分扩展，那么企业的*操作系统*是什么？ 一种思考方式是一个新类别：*企业演进操作系统（EEOS）*。这是一个协调以下内容的系统层： - 治理 - 决策 - 执行 - 演进 这样，组织本身就成为一个不断改进的系统。我们正在通过一个开放架构项目探索这个想法： https://github.com/Saafree-Inc/saafree-docs 我很好奇其他人对此的看法。如果人工智能代理成为劳动力的一部分，企业的操作系统实际上会是什么样子？

嗨，HN，我创建了Friendware，因为我希望在我的Mac上实现无处不在的自动完成功能，而不仅仅是在代码编辑器中。 在任何文本框中，它都可以草拟回复、重写文本，并为AI工具撰写提示；它利用屏幕上的上下文，根据你正在做的事情进行调整。 我的目标是让它感觉像本地应用，不需要改变工作流程，因此它通过驻留在刘海区域，使其在各个应用中保持可访问性。 目前我正在致力于改进语音学习和记忆系统，欢迎大家提供反馈，告诉我应该优先考虑哪些方面！