最新

这是一个只读的演示仓库，展示了完整的服务器端决策中断的往返过程：<p>REQUIRE_CONFIRM → EXECUTE → REJECT<p>该演示故意保持简约和静态。它的存在仅仅是为了验证一件事：<p>高风险决策是如何被中断的，<p>收据和计划哈希是如何生成的，<p>以及执行是如何被明确确认或拒绝的。<p>该仓库包括：<p>一个可运行的命令行风格的往返过程（demo_server_roundtrip.ts），<p>冻结的证据文档（_evidence/ *.json），<p>一个验证输出的持续集成检查，确保结果的确定性。<p>这里没有用户界面，没有软件即服务（SaaS），也没有代理行为。<p>这不是一个产品——它是一个证据文档，旨在供希望检查机制的工程师使用。<p>我们特别欢迎那些构建了保护机制、代码审查工具或AI辅助工作流程的人的反馈。

我对人工智能代理和人工智能本身并不持怀疑态度，它确实是一种力量倍增器，我已经利用它在几天内完成了几周的工作。目前，我在MAG7的工作设置是使用Cursor和Claude代码。大家是如何在工作中使用代理的？它真的有用吗？ 你们有没有看到过一些很酷的项目或博客，详细阐述代理的实用性？代理到底是什么呢？

我在MCP应用扩展标准发布的同一周学会了玩双陆棋。所以……<p>现在，您可以与任何支持MCP应用的人工智能客户端一起玩双陆棋（目前包括Claude Desktop、VSCode和ChatGPT）。实际上，您可以做的不止这些——您可以与朋友对弈，让人工智能进行评论；您可以观看人工智能自我对弈（虽然有点无聊）；您可以与大型语言模型对战，让它教您游戏的细节（这正是我的使用场景！）。<p>唯一的问题——这也是当前规范的一个限制——是每当人工智能走棋时，棋盘都会重新绘制。其实这并不算太糟，但当规范增加持久/可重用视图时，效果会更酷。