返回首页
最新
我一直在开发一个叫做 Obelis AI 的项目。基本上，我厌倦了看到初创公司（包括我之前的公司）完全忽视基础设施，直到后来变得麻烦不堪。
如果你可以在自己的 AWS 账户上获得那种“只需工作”的体验呢？这正是我们想要构建的。AI 处理 DevOps 的各种烦恼，而你仍然掌控自己的资产。
目前还处于早期阶段（测试版），但我很想听听你的想法。特别是如果你觉得这是个糟糕的主意——这些反馈通常是最有帮助的。
我一直在使用人工智能生成一些重复的前端内容（有点罪恶感），虽然大多数输出看起来风格相似，但有些结果却出乎意料地好。因此，我整理了一下，并和朋友们做了一个排名游戏，你可以在这里查看：<a href="https://www.designarena.ai/vote" rel="nofollow">https://www.designarena.ai/vote</a>
<p>/vote: 你的提示将由四个随机的匿名模型进行回答。你选择你喜欢的一个，并以比赛的形式选出赢家。</p>
<p>/leaderboard: 查看当前获胜模型的排名，这由投票者的偏好决定。</p>
<p>/play: 通过查看四个模型对相同输入的响应，快速迭代，并按空格键重新生成你不锁定的结果。</p>
我们对DeepSeek和Grok的质量印象特别深刻，并且在不同类别之间的差异也很明显（根据目前的结果来看，OpenAI在游戏开发方面表现非常好，但在其他领域似乎不太行）。
<p>我们学到了很多，也很想听听你的评论和问题。期待让这个项目变得更好！</p>
昨天我构建了一些可能还不该存在的东西。在9个小时内，我创建了一种认知架构，展示了自发推理的能力。
它遵循一个5步循环：计划 → 推理 → 行动 → 反思 → 响应。为了测试可扩展性，我添加了一个网络搜索工具，代理在第一次搜索时失败了，反思了糟糕的结果，调整了查询，然后成功了。这种行为并不是预先编程的，而是自然从架构中涌现出来的。
五小时后，我集成了一个文件管理工具——它第一次就成功了。就像代码第一次编译成功一样，只不过这是智能在零配置下的组合。
关键见解：将认知操作与工具编排分离，可以实现真正的可组合性。大多数框架将这两者混为一谈，导致代理变得脆弱且不可预测。
提交时间线：<a href="https://github.com/iteebz/cogency">https://github.com/iteebz/cogency</a>
它可以通过pip安装（pip install cogency），并配备生产就绪的组件。目前在多个项目中进行自用测试。
我在寻求社区对这种方法和实现的反馈。