最新

很高兴与大家分享我几个月来一直在构建的项目！希望能收到诚实的反馈 :) 我的动机是：人工智能显然将成为数据的接口。但早期的尝试（如文本转SQL等）并未达到预期——它们将其视为魔法。这个领域已经成熟：团队现在意识到，人工智能与数据需要结构、上下文和规则。因此，我构建了一个产品，帮助团队快速交付“与数据对话”的解决方案，同时具备全面的控制和可观察性（代理追踪、质量评分等）——我错了吗？ 该产品允许您将任何大型语言模型（LLM）连接到任何数据源，并提供集中管理的上下文（指令、dbt、代码、AGENTS.md、Tableau）和治理。用户可以与他们的数据对话，以构建图表、仪表板和定期报告——所有这些都通过一个代理的、可观察的循环进行。还支持Slack集成！ * 集中上下文管理：指令 + 外部来源（dbt、Tableau、代码、AGENTS.md），以及自学习 * 代理工作流（ReAct循环）：推理、工具使用、反思 * 通过聊天/命令生成可视化、仪表板和定期报告 * 质量、准确性和性能评分（LLM评审）以确保可靠性 * 高级访问与治理：基于角色的访问控制（RBAC）、单点登录（SSO/OIDC）、审计日志、规则执行 * 在您的环境中部署（Docker、Kubernetes、VPC）——对基础设施的完全控制 GitHub: github.com/bagofwords1/bagofwords 文档 / 架构 / 快速入门: docs.bagofwords.com

嘿！我开发了这个分析工具，真正追踪那些重要的东西——收入、用户如何使用你的产品，所有这些有用的信息。不仅仅是“哦，今天有1000次访问”，哈哈。 在我看来，这比谷歌分析要好得多，尤其是如果你真的关心从你的产品中赚钱的话。 你觉得怎么样？我一直在自己项目中使用它，效果相当不错。

最近的这些交易似乎都是将资金回流到投资公司，而并非真正用于新的增长。