最新

我并不是专家，只是在努力跟上进度。但是……<p>我觉得大型语言模型（LLM）是一种微妙的结合，既要懂语言，又要掌握一些事实。如果要制作一个聊天机器人来帮助人们理解他们的税务申报，那么你需要一个能够理解语言的“基础”LLM，然后通过检索增强生成（RAG）添加特定领域的知识。因此，“是的”，要知道星期四在星期三之后；“不”，不需要知道珠穆朗玛峰有多高；而关于所得税的问题必须参考RAG。这正确吗？<p>那么，有现成的“轻量”模型可以用来实现这个吗？自己训练一个更好还是更好？

大家好，我是奥斯丁，Salestrics（salestrics.com）的创始人。 问题：大多数AI代理目前都被限制在聊天窗口中。虽然模型足够智能，可以运行复杂的多步骤工作流程，但给它们提供生产环境的业务上下文（如CRM、支持、账单）通常意味着需要管理不安全的本地API密钥或拼凑脆弱的点解决方案脚本。 我们构建的产品： 我们创建了Salestrics，旨在作为一个全方位的收入工作空间（包括CRM、服务台、账单、文档、电子邮件）和一个生产级模型上下文协议（MCP）执行代理。 工作原理： 统一上下文：客户记录、工单和发票不再分散在五个SaaS工具中，而是存储在一个单一的数据层中。 165工具MCP服务器：您只需通过我们的MCP代理一次性连接您的本地AI环境（如Cursor、Claude Desktop、本地LLMs）。 完整的CRUD执行：您的代理可以在本地应用和第三方工具（如Stripe、PostHog、Sentry）中实现零配置的执行访问，使其能够直接从您的IDE或聊天客户端处理支持工单、发放退款或更新管道阶段等任务。 人机协作治理：高影响力的代理操作（如删除记录、大规模消息发送、发放付款）在执行之前会触发明确的审批门和不可更改的审计日志。 进展与技术栈： 我们在两个月前上线，目前支持320多个活跃组织。后端采用高吞吐量的Node/TypeScript编排，连接到双模型AI路由引擎（Salestrics-AI-v1/v2）。 试用一下： 我们为独立开发者提供了一个永久免费套餐。您可以立即获取您的MCP密钥并测试代理，而无需提供信用卡信息。 我很想听听您对我们的MCP架构、人机协作安全模式的看法，或者您希望下一个添加到MCP服务器的工具/操作是什么！