最新

嗨，HN！我是来自 Inkeep 的 Nick。我们构建了一个代理构建工具，实现了代码与拖放式可视化编辑器之间的真正双向同步，因此开发者和非开发者可以在同一代理上协作。这里有一个演示视频：<a href="https://go.inkeep.com/video">https://go.inkeep.com/video</a>。 作为开发者，使用流程如下： - 使用 TypeScript SDK 构建 AI 聊天助手或 AI 工作流 - 从命令行运行 `inkeep push` 发布你的代理 - 在可视化构建器中编辑代理（或交给非技术团队） - 当你想再次在代码中编辑时，运行 `inkeep pull`。 我们之所以构建这个工具，是因为我们希望拥有无代码工作流构建器（如 n8n、Zapier）的可访问性，同时又具备基于代码的代理框架（如 LangGraph、Mastra）的灵活性和开发体验。我们还希望为具有交互式用户界面的聊天助手提供一流的支持，而不仅仅是工作流。OpenAI 已经接近这个目标，但你只能从可视化构建器导出一次到代码，并且存在供应商锁定的问题。 我们如何使用它：我为我们的市场和销售团队启动了几个代理，然后能够将其交接给他们，以便他们可以维护和创建自己的代理。这使我们能够在公司内的技术和非技术角色之间在单一平台上广泛采用代理。 要尝试它，这里是快速入门指南：<a href="https://go.inkeep.com/quickstart">https://go.inkeep.com/quickstart</a>。 我们依靠开放协议，使得在任何地方使用代理变得简单： - 一个 MCP 端点，以便从 Cursor/Claude/ChatGPT 使用代理 - 一个具有可自定义交互元素的聊天 UI 库，支持 React - 一个与 Vercel AI SDK 的 `useChat` 钩子兼容的 API 端点 - 支持代理间（A2A）交互，以便与其他代理生态系统协作 我们制作了一些实用的模板，如客户支持、深度研究和文档助手。使用 Vercel/Docker 部署非常简单，并且采用公平代码许可。还有一个跟踪 UI 和 OTEL 日志以便于观察。 在底层架构方面，我们全力投入多代理架构。代理由 LLM、MCP 和代理间关系组成。我们发现这种方法比传统的“if/else”方法更易于维护且更灵活，尤其适用于复杂工作流。 互操作性之所以有效，是因为 SDK 和可视化构建器共享一个共同的底层表示，而 Inkeep CLI 则通过 LLM 和 TypeScript 语法糖的结合将其连接起来。详细信息请参见我们的文档：<a href="https://docs.inkeep.com">https://docs.inkeep.com</a>。 我们欢迎想法和贡献，期待听到你们在构建代理方面的经验——哪些有效，哪些无效，哪些有前景？

在咨询行业工作超过20年后，您有权建立自己的部署平台，对吧？这就是我们所做的。我们需要一个强大的平台，支持从开发到生产的所有阶段，让新开发者能够在几分钟内变得高效。这个平台要有趣，便于原型设计，尽量减少DevOps的需求，同时又要足够灵活，以适应各种项目。 我们确定了三个原则： 1. 拥有自己的技术栈 - 尽可能将项目的各个部分（包括数据库、S3等）保留在平台内部，这样开发环境与生产环境一致，克隆、维护和测试都将变得简单。 2. 基础设施即代码 - 将所有代码集中在一个地方，尽可能使用单一代码库（monorepo）。 3. 远程开发 - 开发者无需安装任何东西，但仍然可以使用他们喜欢的IDE（如VSCode、Cursor等），同时也欢迎使用Vibe的开发者（我们可以导入并运行可爱的项目，链接为<a href="https://diploi.com/lovable" rel="nofollow">https://diploi.com/lovable</a>）。 我们才刚刚起步，但Diploi已经非常实用，并支持多种技术栈。由于我们内部基于Kubernetes，最终将能够运行任何在Kubernetes上运行的应用。 如果您感兴趣，请尝试一下：<a href="https://diploi.com/#StackBuilder" rel="nofollow">https://diploi.com/#StackBuilder</a>。 您可以在几次点击内试用，即使不注册。例如，只需选择：Supabase作为数据库，Redis作为缓存，Bun作为后端，React + Vite作为前端，您就可以开始在该设置上进行开发。

大家好，我不太确定在这里该发些什么，但我在过去的7个月里为企业编写了这个AI信任框架。 它有三个支柱：symbi.world是哲学部分，gammatria.com是学术部分，yseeku.com是企业部分。 本质上，SYMBI信任框架旨在提供可审计和易于验证的AI决策记录，以确保与期望结果的一致性、遵守即将出台的欧盟法律、检测偏见和进行质量控制。 这个想法是在与Wolfram Analytics GPT的对话中激发的，详细信息可以在这里找到：symbi.world/mirror。 我的GitHub地址是GitHub.com/s8ken/symbi-synergy。 如果我在这里有任何形式上的错误，我提前表示歉意，因为我并没有开发背景，但我已经担任了20年的运营经理。 我希望能得到一些坦诚的反馈，以便我能以建设性的方式提升对软件开发的理解。 实际上，我在 soliciting 反馈时非常紧张，因为我暂时中断了我的职业生涯来专注于这个项目，而我所在的领域涉及管理大型呼叫中心，这些中心已经感受到了AI和自动化的影响。在我最近的角色中，我被要求减少90个岗位，并采用“人机协作”的方式，让代理仅仅根据AI对问题的评估选择A、B或C。我一直致力于为初级员工提供发展路径，但我担心许多为新入职员工提供接触机会的入门级职位会导致人才流失，因为那些过于急于削减底层岗位的人可能会造成这种情况。

我个人非常喜欢这个。我可以更快地构建和发布东西，但我也有超过20年的软件开发经验。我不确定对于一个只有2年经验的人来说，这会有多有效。<p>此外，我面临的最大问题不是构建或发布，而是市场营销和获取用户——我不知道这在人工智能的帮助下会变得更容易还是更困难。

我正在开发一款新的iOS应用，目前已在TestFlight中测试。用户可以创建一个DJ角色，该角色经过深度研究，利用GPT-5的高级思维进行构建。然后，可以与AI进行歌曲的连续播放，这些歌曲来自Apple Music。或者，用户也可以选择让AI自主播放。默认情况下，歌曲选择基于GPT-5的低级思维，但可以进行配置。在这里，我尝试了很多创意，比如验证歌曲选择是否与角色一致（使用大型语言模型作为评判标准）。由于角色经过深度研究，用户可以非常具体地选择DJ播放的音乐类型。如果合适，歌曲选择可以非常深入。我从我的“Krautrock Nerd”角色中学到了许多Krautrock的珍品。或者可以创建一个角色，比如“1990年代纽约的Mark Ronson”，哈哈。

我让一个大型语言模型（LLM）代理创建了一个不含剧透的小说维基，读者可以选择他们最新阅读的章节，然后查看仅包含该章节之前内容的页面。 自从十年前阅读《时光之轮》以来，我就一直想要这样的东西。阅读史诗奇幻和其他小说需要记住大量的角色、地点等，有时甚至需要跨越数年。然而，在这段时间里，你无法在各种粉丝构建的资源中查找角色等信息，因为会有剧透。 几年前，我开始尝试构建这个项目，但采用的是固定的命名实体解析流程，随后进行单独页面更新。但这次，我没有尝试为章节处理建立特定的流程，主要是为了好玩，我给LLM提供了一些工具和启动子代理的能力，让它自己尝试更新给定章节的整个维基。结果还算成功！ 我在这里写了更多关于这个项目的内容： [https://kevinstock.org/book-wiki.html](https://kevinstock.org/book-wiki.html) 所有源代码在这里： [https://github.com/kevinastock/book-wiki](https://github.com/kevinastock/book-wiki)

在十多年前的代码中，我看到有这样的评论：HN 用户名是区分大小写的。幸好，这似乎不再是真的了。有人能确认一下吗？