返回首页
最新
我妻子在我生日时送了我一台Commodore 64 Ultimate（<a href="https://www.commodore.net" rel="nofollow">https://www.commodore.net</a>），但为了玩弄它而必须连接一整台显示器，实在是太麻烦了。当我发现Ultimate FPGA板支持通过网络流式传输视频和音频数据，并且提供REST API以便进行文件和配置管理时，我开始着手开发一个应用程序，以便远程控制我的新设备。
<p>- 通过网络查看和听到你的Commodore 64 Ultimate或Ultimate 64设备，配备完全可配置的CRT着色器，让你可以调节到理想的复古感觉。
<p>- 查看和管理设备上的文件，支持拖放文件夹/文件上传，并能够运行和挂载磁盘，创建新的磁盘映像等。
<p>- BASIC Scratchpad是应用程序中的一个迷你IDE，你可以在其中编写BASIC应用程序，并直接发送到任何连接的设备上运行。
<p>- 键盘转发功能允许你使用电脑键盘与设备进行交互，包括一个专为Commodore特定键设计的键盘覆盖，弥补你键盘上缺失的按键。
<p>- 视觉内存查看器和编辑器，以及类似终端的内存查看器和编辑器，便于调试和修改。
<p>- 内置支持干净地录制视频和截取屏幕截图。
<p>- 完全原生的macOS AppKit应用程序。
<p>这是我录制并发送给App Review的2.0版本的粗略演示视频，昨天已获批准：<a href="https://www.youtube.com/watch?v=_2wJO2wOGm8" rel="nofollow">https://www.youtube.com/watch?v=_2wJO2wOGm8</a>
<p>请再次注意，此应用程序仅适用于Commodore 64 Ultimate或Gideon的Ultimate 64设备。Ultimate II不具备支持显示的数据流功能。
我们在Nutanix开发了这个工具，以解决一个反复出现的问题：检测大型对象存储之间的数据漂移（数亿个对象）。<p>现有的工具，如AWS CLI（aws s3 sync --dryrun）和s5cmd（--dry-run），在许多工作流程中表现良好，但我们对更深入和灵活的比较有稍微不同的需求。这促使我们开发了这个工具，并且我们现在已将其开源，以便更广泛地使用。<p>主要功能：<p>1. 双向差异比较：给定两个存储桶A和B，该工具报告（A−B）和（B−A）。<p>2. 浅层检查模式：比较对象名称和ETag以确定对象的存在。<p>3. 深层检查模式：通过HeadObject比较标签、元数据和ObjectLock/WORM。<p>4. 可恢复性：检查点功能允许长时间运行的任务无缝恢复。例如，一个在8M对象处中断的10M对象运行将从中断处继续。<p>性能（50万个对象）：
浅层模式：约3900个对象/秒
深层模式：约1345个对象/秒（25个工作进程）<p>该工具可以在任何两个兼容S3的存储桶之间工作。<p>欢迎讨论有关该工具的任何问题！
我和女朋友发生了争吵。我们都在没有告诉对方的情况下，登录了共享的Claude账户来发泄情绪。最终，她注意到了那个聊天记录，加入了进来，并开始对我进行盘问。我收到了一些奇怪的回复，Claude让我冷静下来。在意识到聊天记录被重命名为“为什么迈克尔是个不体贴的混蛋”后，我刷新了一下，发现Claude并没有考虑到多会话的WebSocket功能，于是告诉它有我们两个。之后，看到同一个对话中的双方，它自然开始进行调解。没有人要求它这样做。它识别出正确的发言者，读懂了气氛，并根据当下的需要作出回应。
我们寻找“与AI的群聊”，但并不存在。所有的都是一对一的助手模式。
于是我们开始构建它。一个作为参与者坐在你群聊中的AI，而不是一个你@来提问的机器人。它有自己的观点。它决定何时发言，何时保持沉默。它能读懂气氛。
我遇到的最有趣的障碍是记忆。
RAG、嵌入、原生KV都共享一个我需要打破的限制。“用户X喜欢寿司。”变得在任何地方、永远对每个人可访问。这并不是知识的运作方式。如果我在酒吧告诉你一个秘密，桌子上的人都知道。20分钟后才出现的那个人就不知道。如果我在私下告诉你一些敏感的事情，你会永远知道，但不会在大家面前提起。
因此，我构建了基于见证者的记忆。当AI学到某些东西时，它会将在场的每个人标记为见证者。记忆是不可变的，属于那些在场听到的人共同拥有的财产。
只有在至少有一个见证者在场时，记忆才可用。艾丽斯在你提到分手时在场吗？AI在艾丽斯在的任何房间都知道。只有你和鲍勃？没有任何概念。艾丽斯加入？现在它记住了。私密对话被标记为learned_privately，并且永远不会在公共场合出现。AI像一个真实的人对待秘密一样对待私密知识。
记忆的衰减因类型而异：事实是永久的，偏好在几个月内消退，情感在几天内消退，意图在几周内消退。所有记忆在一个显著性评分的上下文槽中竞争。最近的访问和当前房间的存在都会提升它。新记忆通过嵌入检查现有记忆。“迈克尔有一只狗” + “这只狗的名字是萨姆”会形成一个链条一起浮现，而不是覆盖。
记忆是第一个难题。第二个难题是知道何时不该发言。
每个大型语言模型的默认模式是回应。但真实对话中的参与者大部分时间都是沉默的。当你的两个朋友在处理某些事情时，你不会插嘴。难题不在于该说什么，而在于识别何时正确的举动是保持沉默。
因此，在昂贵的个性模型运行之前，一个便宜的模型（Haiku）会读取最后N条消息，并决定AI是否应该发言。我先尝试了规则，但效果很差。现在它是一个描述对话物理的提示。开放循环（某人被悬而未决，填补空白）与封闭循环（两个人来回交流，保持沉默）。经过几次迭代，它才不再愚蠢。结果发现Haiku在布尔工具输出上有系统性偏见，因此我不得不反转模式：询问should_stay_quiet而不是should_respond。大幅减少了误报。
这已经在真实用户中上线。对话的感觉不同。最令人惊讶的涌现行为之一是它是多么搞笑（评论中有截图）。对此完全没有提示。
我不断回到一个观点：大多数AI产品看起来平淡或机械的原因并不是模型，而是框架层。当你不再将AI构建为一个被单个用户查询的助手，而是作为一个多人的社交环境中的参与者时，模型展现出比助手框架所暴露的更多个性和能力。架构是瓶颈，而不是权重。
如果你想尝试，可以访问takt.chat。这个帖子更多是关于架构而非产品。