最新

每个人工智能项目都需要相同的基础设施——API 密钥、提供商 SDK、重试逻辑和成本跟踪。这应该是基础设施层。 Aurora 是一个 Go 网关，处理这一层，二进制文件约 15MB，无依赖。它将请求代理到 OpenAI、Anthropic、Gemini 等，并能够在格式之间转换——使用 OpenAI SDK，Aurora 会自动转换为 Anthropic 的数据格式。后端无需编写格式转换代码。 它的优势在于： - 按客户/团队跟踪成本 - 在不更改代码的情况下切换模型和提供商 - 更轻松地调试请求和响应流程 - 通过精确和语义缓存降低成本 与其他网关的不同之处在于： - 自动发现提供商模型 - 提供商池具备自动故障切换 - 内置监控、审计日志（可导出）、分析和管理仪表盘 - 模型别名，区域部署以减少延迟 - 可以直接在基础设施中使用，管理端点允许控制一切，创建用户入驻时的管理 API 密钥等 开源版本（Apache 2.0）包含所有功能。企业版增加了单点登录（SSO）、基于角色的访问控制（RBAC）和租户隔离。 安装命令：`npm install -g iaurora` 网站： [https://aurorallm.online](https://aurorallm.online) 欢迎反馈！

Wienerdog的想法源于我自己建立一个简单而有效的记忆、自我提升技能和Claude Code与Codex的挂钩系统的经历。在教我的朋友和同事如何建立他们自己的系统时，我发现自己越来越多地自动化了我的系统设置，最终决定将其发布到GitHub上，以帮助他人更好地利用他们的人工智能。 那么，Wienerdog是什么呢？简单来说，它就是一些文件——没有守护进程，没有服务器，没有遥测：一组可以通过粘贴一行代码（npx wienerdog@latest init）来安装的指令和技能，它将为你的Claude Code / Codex提供： - 一个适当的基础信息文件CLAUDE.md / AGENTS.md，通过与你进行简单友好的访谈生成（现有文件会被尊重——Wienerdog只会在其自己明确标记的区域内写入）。 - 一个基于Markdown的持久记忆库，遵循PARA规范，类似于许多人使用的Obsidian库。如果你已经有一个库，没问题，你可以直接指向它。 - 自动化的“挂钩”，将关键信息（例如你是谁，你做什么等）引入每个会话，并检测和保存重要的新信息到你的持久记忆中。 - 自动化的每日“梦境”运行，消化前一天的会话并将其关键信息存储到记忆中。如果你的计算机在那时关闭或处于睡眠状态，梦境运行将在你回来时赶上。 - 识别重复的任务模式并将其转化为可重用的技能，这些技能可以进一步自动改进。 - 如果你同时使用Claude Code和Codex（就像我一样），它们将能够从同一个记忆库中读取和贡献信息。你不会被锁定在任何供应商中。 - 与Google套件的基本（可选）集成，使你的AI可以访问你的Gmail、日历和云端硬盘——默认情况下为只读和草稿模式。 Wienerdog所做的一切都可以在你现有的Anthropic / OpenAI订阅上运行，符合他们的条款。该项目在GitHub上是开源的，并在MIT许可证下永久免费。我这样做是出于兴趣，并想回馈一点东西。 我已经为Wienerdog投入了相当多的工作，并且很高兴自己在其开发中使用它（狗食测试——明白了吗？）。事实上，Wienerdog的大部分代码都是由遵循其自身规范系统的AI代理编写的，使用的是存储在代码库中的记忆库。尽管如此，它仍然处于早期阶段，仍在不断进展中，需要更多的关注。我希望你能试用一下，提出问题，请求添加新功能，或者如果你有时间和能力，甚至在GitHub上贡献。 P.S. 为什么叫Wienerdog？因为我喜欢这些小小的管状鼻子的香肠小丑 :)