最新

今天回家的路上，我突然想到，神经接口的关键进展将体现在数据层上。 在我从事电子工作的过程中，我了解到有一个硬件传输层，即信号传输的电线。然后还有软件/协议层，定义了在硬件上传输的内容。 我目前对像Neuralink这样的事物的理解是，它有一个稳固的接口，可以从大脑获取输入，并将输出反馈给大脑，而在这个接口背后则是一系列硬件和软件，用于翻译和利用来自大脑的输入。也就是说，我们从信号和信号传输的模式转变为另一种模式。 我想到的是，一个真正的仿生设备不会仅仅提供与人脑现有硬件和软件数据层的接口，而是会用新的可用神经元扩展现有层。 现在，您可能一开始可以通过位操作来实现，也就是说，让您的仿生神经网络存在于软件中，并进行我们目前所做的所有信号处理。革命性的变化将是一个硬件设备，它可以简单地插入大脑，并在大脑已经运行的同一电气网络上提供一个全新的神经网络。

我无法理解MCP的热度，因此决定为Outlook构建一个简单的服务器（需要在Azure中具有管理员权限）。 在构建过程中，我只是使用了一个Python MCP SDK：[https://github.com/modelcontextprotocol/python-sdk](https://github.com/modelcontextprotocol/python-sdk)。 现在，我并不是一个快速的开发者。不过，在两天内，我让Claude Desktop处理和回复电子邮件的能力超越了我以往合作过的任何助手（无论是人类还是其他）。这一切都不是因为我的技术水平。我基本上只是反复使用相同的@mcp.tool装饰器来封装msgraph调用。 事实上，我花在调整msgraph认证和API调用上的时间，比在MCP服务器本身上花的时间还要多。 今天，在一个典型的工作流程中，我只需告诉Claude“整理我的收件箱”，它就能处理从归档邮件、创建文件夹、撰写回复、安排会议到标记待办事项等所有事务。 对于任何对MCP感到好奇的人，以下几点让我印象深刻： 1. 这是我在任何软件构建中经历过的最快“可用时间”。 2. 它以一种我在“代理工作流程”方法中未曾体验过的方式，完全实现了“人类能力”……它就是能正常工作。 3. 在如何“架构”工具签名以获得最佳结果方面，确实存在一些细微差别。例如，我必须将一个参数命名为html_code_mail_body，以防止Claude在邮件中使用纯文本。 4. 制作纯粹、高度内聚和原子化的工具更好，让大型语言模型（LLM）将它们组合起来以处理更复杂的任务。 5. 构建过程非常简单，所有公司最终都可能会推出官方的MCP服务器。 总体而言，我认为MCP为“代理工作流程”模型提供了一个鲜明的替代方案。从技术角度来看，工作流程中的每一步都与其上游/下游的对应部分高度耦合。这使得它们既僵化又脆弱。这正是人们所说的工作流代理中的一些“RPA异味”的来源。 MCP是经典的依赖反转。LLM成为一种抽象，可以根据设定的任务，自主协调使用任何工具，以任何顺序进行操作。

嗨，HN，最近你在关注哪些SaaS提供商，以满足你在处理成千上万的PDF或Word文档时的RAG需求，并且希望有一个可以慢慢处理并提供经过充分研究和引用的答案的智能助手？谢谢！