我一直在大量实验编码代理，发现自己更多地是在管理代理而不是编写代码。<p>为了解决这个问题，我开发了CrewCode。<p>这是一款开源桌面应用程序，可以并行运行多个AI编码代理，同时通过Git工作树隔离它们的工作。<p>Git工作树 → 代理隔离 → 提供者独立性 → 差异审查 → 协同管理。<p>我特别希望能得到关于多代理/工作树模型的反馈。<p>我今天在Product Hunt上发布了这个项目，非常希望能收到开发者们的反馈。
返回首页
最新
嗨，HN，
我开发了Intelix，一个为工程团队服务的AI事件响应代理。
当生产环境发生事件时，Intelix会进行调查，而不仅仅是通知工程师。
它会从PagerDuty、Datadog、GitHub和Kubernetes等平台收集证据，识别并排序可能的根本原因，验证恢复操作是否安全，然后执行恢复。
我制作了一个互动实时演示，您可以观看代理如何实时调查和解决模拟的生产事件。
请在这里尝试：
[https://intelix.dev](https://intelix.dev)
这是Intelix的早期版本，目前专注于自动化事件调查和恢复。
NAEOS是一个开源工程系统，专为人工智能编码代理设计。它提供了架构、工程标准、政策、规范和验证工作流程，以帮助代理在一致的工程环境中构建软件。
嗨，HN，Jonathan 和 Guy 来自 OneCLI，我们是一款为团队打造的代理工具，旨在为每位员工提供一个安全的、沙盒化的个人代理。
以下是您可以使用它做的事情：
1. 获取一个沙盒化的代理，具备 OneCLI 的所有功能，例如可以通过聊天轻松连接您的 GitHub 账户、Gmail、Notion 或 Dropbox。
2. 在聊天中实现确定性的人工审批，确保您对需要 100% 控制的操作（如发送电子邮件或删除 Linear 票据）拥有完全的掌控。
3. 在一个地方管理团队政策，并在工作区内的每个代理上强制执行。
4. 在团队层面享受全球连接，例如共享的 LLM 密钥或服务账户。
这里有一个演示： [https://www.youtube.com/watch?v=dlW-44ntpbE](https://www.youtube.com/watch?v=dlW-44ntpbE)
我们偶然开始了这个项目，尽管我们的职业生涯都在安全领域。我们曾在一个名为 ChartDB 的开发工具上工作，这是一个开源数据库工具。当 OpenClaw 在一月份开始流行时，我们开始利用它在 ChartDB 上协调代理。我们很快意识到，身份验证存在一个重大问题。代理需要凭证来执行实际工作，但将这些秘密提供给它们并不是一个好主意。它们会将凭证保存在内存中，并将其以明文形式写入本地文件和会话中。我们知道，代理很容易被欺骗而泄露这些 API 密钥/秘密。因此，我们需要某种方式来控制代理，并防止提示注入欺骗它使用其服务来为攻击者谋利。
我们创建了 OneCLI，最初是一个为 AI 代理构建的 Rust 语言保险库。
我们发现，OneCLI 的大部分需求来自于像 Hermes、OpenClaw 和 NanoClaw 这样的自主代理，适用于个人和团队。
用户希望找到能够为他们执行任务的有用代理，但缺少两个部分：1）管理秘密和权限。2）对于团队而言，缺少多人管理。
我们决定转变方向，将代理本身作为团队的工具，给予每位员工一个代理。我们看到团队不得不一次又一次地设置自己的工具，而我们已经拥有了作为网关的保险库。因此，我们想到了提供现成的代理管理解决方案，并将其开源（Apache-2.0，附带小型企业例外）。
我们以开源为先——整个平台，而不仅仅是其他代理的一个小部分，这样公司可以真正查看代码、评估它并信任它，而不是仅仅听我们的说法。它们在自己的环境中独立运行，完全在其控制之下，达到生产质量，而不是在其他地方托管的封闭黑箱。这意味着安全性不仅仅是一个承诺，而是可以由它们自己验证的东西。结合真实的自主性和最小权限访问，这使得公司可以完全拥有和信任它，而不仅仅是采用它。
我们还从公司的角度而非个人的角度来处理这个问题。我们的解决方案代表每位员工管理代理，配备公司管理员通过集中政策配置的确定性保护措施。
对于代理引擎本身，我们使用 jcode，这是代理循环的核心。我们发现这提升了体验，使代理更智能、更快速。
它的工作原理如下：
它运行在您控制的基础设施上。完全开源，自托管或在几分钟内上云。
代理从不持有真实的秘密。它只获取一个占位符。真实的凭证在网关处注入，按请求在调用被授权后进行。它从未进入代理的上下文、内存或日志中。
在模型外部进行强制执行。提示是建议。由组织管理员定义的政策在网络层运行，位于代理和 LLM 之外。阻止端点、按代理限制速率、要求批准、按员工范围。网关决定，代理无法绕过它。
每个代理都有独立的虚拟机。拥有自己的内存、密钥和权限。影响范围仅限于一个代理。
工具的速度：代理循环下的 Rust 引擎。
完整的身份追踪。每个代理都绑定到一位员工。每次调用都记录了其为谁行动以及允许它的政策。
一些用户在平台上做的事情包括：
- 完全管理他们的公司生命周期，从销售电话到产品方面自动打开工单给工程团队，触发开发代理进行交付并上线。
- 操作方面，例如在通话后自动清理 CRM、寻找潜在客户、安排会议和管理后续邮件。
- 我们的一些客户还使用这些代理进行整个杂货购物，并让它们处理诸如在线订购等琐事。
关于团队：两位创始人均来自网络安全背景。Jonathan 在 Axis Security 工作多年，构建零信任网络访问。核心理念是永远不信任客户端。您可以精确决定一个人可以访问的内容，并在网络层面强制执行，因此客户端尝试做什么并不重要。这就是每个严肃公司今天如何给予人类访问权限的方式。Guy 是 Argon Security 的第一位员工，负责应用安全。
我们非常希望听到您对这一转变的看法，欢迎提出问题以改进并让您的代理更强大和安全——旨在为团队服务，而不仅仅是个人。
你好，HN，
我在JAX中构建了一个完整的、与游戏无关的AlphaZero实现。
代码库： [https://github.com/wtedw/nanoAlphaZero](https://github.com/wtedw/nanoAlphaZero)
演示（神经网络 + 蒙特卡洛树搜索在你的浏览器中本地运行）： [https://nanoalphazero.wtedw.com](https://nanoalphazero.wtedw.com)
它不使用任何人类数据，可以训练出大师级别的国际象棋模型，并支持多种游戏：国际象棋、围棋（3x3 - 9x9）、六角棋（4x4 - 9x9）、四子连珠。
你还可以使用这个代码库在任何自定义的双人完美信息游戏上训练AlphaZero。
它是如何工作的？
从高层次来看，整个AlphaZero算法被编译成一个单一的JAX函数run_fn，该函数反复执行自我对弈和模型更新：
```python
state = make_alphazero()
def run_fn(state):
games = selfplay(state) # 使用Gumbel MuZero
# 将进行中的游戏移入自我对弈缓冲区
# 将完成的游戏移入重放缓冲区
state = train(state, replay_buffer.sample())
return state
while True:
state = run_fn(state)
```
这里没有线程、队列或分布式工作者需要管理。它只是一个大型的JAX函数。
这个代码库主要专注于快速、轻松地进行大规模的AlphaZero实验。训练强大的模型是次要的，主要作为基础逻辑合理性的 sanity check。
关于训练自定义/复杂游戏的文档较少，如果你有任何问题，请随时联系我。
我建立了这个项目，已经过去六个月，现在终于有真正的人在关注它。<p>我需要真实的反馈，试试看，告诉我你的想法。
看起来AWS今天在eu-west-2（伦敦）上线了一个新的可用区（AZ），但几乎没有任何宣传，甚至没有通知他们的支持团队。这个可用区被标识为eu-west-2d。目前没有AWS文档反映这一变化。
我想提醒一下使用该区域的用户，以防万一——在一个客户现场，这导致了一系列广泛的问题，主要是由于Terraform的失败等。根据你的代码库，资源可能会意外被拆除并重新创建。关于这是否应该给你带来问题可以有不同的看法，毕竟这是云服务，但我只是想尽量帮别人节省一些时间，免得他们困惑不已。
以下是相关的AWS命令：
```
aws ec2 describe-availability-zones --region eu-west-2 --all-availability-zones --query 'AvailabilityZones[].[ZoneName,ZoneID,ZoneType,State,OptInStatus,Messages]'
```
返回结果如下：
```
[
[
"eu-west-2a",
null,
null,
"available",
"opt-in-not-required",
[]
],
[
"eu-west-2b",
null,
null,
"available",
"opt-in-not-required",
[]
],
[
"eu-west-2c",
null,
null,
"available",
"opt-in-not-required",
[]
],
[
"eu-west-2d",
null,
null,
"available",
"opt-in-not-required",
[]
],
]
```