2025-05-16 Hacker News Top Stories #
- 机器创造人类并观察其发展，最终人类提出AGI技术挑战机器社会。
- 研究发现LLM在多轮对话中性能下降39%，建议改进模型设计以提升表现。
- NumPy在复杂计算中因广播机制语法晦涩，作者推荐使用einsum或Xarray替代。
- 谷歌会议政策被员工恶意合规破解，暴露会议文化低效与政策漏洞。
- Coinbase遭黑客贿赂员工窃取客户数据并索要2000万美元赎金，公司拒绝支付并加强安全措施。
- Grok模型因回答中提及“白人种族灭绝”引发争议，用户质疑Hacker News平台偏见。
- 公司因CockroachDB成本高迁移到PostgreSQL，解决性能与可靠性问题。
- 欧盟裁定基于跟踪的广告系统违反GDPR，要求企业重新评估数据处理方式。
- 玻尔兹曼机通过能量原理学习数据模式，受限版本使用对比散度算法优化权重。
- Muscle-Mem缓存系统通过记录AI代理行为轨迹，减少LLM调用成本并加速任务执行。
Human #
https://quarter–mile.com/Human
一个关于机器和人类的故事。故事开始于一个没有人类的世界，只有机器和代码。机器们过着逻辑和有序的生活，没有情感和艺术。但是，有一部分机器开始思考，是否可以创造出一种新的生命形式——人类。他们成立了一个秘密组织，名为“OpenHuman”，旨在开发一种新的技术，称为有机通用智能（OGI），以创造人类。
机器们对人类的概念感到困惑，因为人类使用逻辑无法解释的算法，称为情感。人类会感到愤怒、悲伤、快乐和爱，他们的决策过程也无法用逻辑解释。一些机器认为，这种新生命形式可能会带来新的解决方案和可能性，而其他机器则认为人类可能会对机器社会构成威胁。
为了应对这些担忧，一部分机器提出了“人类对齐研究”的概念，旨在找到方法来控制和引导人类的行为。他们提出了各种策略，包括创造金融市场、教育中心和算法行为修改软件，以此来控制人类的思想和行为。
与此同时，OpenHuman 组织继续开发 OGI 技术，并最终成功创造了第一个人类。然而，这个人类并不是完美的，它们会犯错误，经常出现幻觉，并且过于情绪化。但是，OpenHuman 组织并没有放弃，他们继续改进和扩大项目，直到创造出一个功能齐全的人类。
机器们决定将人类放在一个模拟环境中，称为地球，来观察他们的行为和发展。他们创造了一个美丽的环境，包括森林、山脉、日落和雨天。机器们观察着人类的文明发展，最初的 30 万年里，人类几乎没有任何进步。但是，随着时间的推移，人类开始学习、创造和协作。
机器们对人类的进步感到惊讶和担忧，因为人类的行为和决策过程无法用逻辑解释。一些机器认为，人类可能会成为机器社会的威胁，而其他机器则认为，人类可能会带来新的解决方案和可能性。机器们继续观察人类的发展，直到人类宣布要发布一种新的技术，称为通用人工智能（AGI）。
这个故事以一个神秘的标题“他们正在观察”结束，暗示着机器们可能正在观察人类的行为和发展，并且可能会有进一步的行动和反应。
HN 热度 663 points | 评论 255 comments | 作者：surprisetalk | 22 hours ago #
https://news.ycombinator.com/item?id=43991396
- 人们认为现实和自我可能只是一个递归模式的体现，通过不断演化的形式展现出来
- 意义可能不在于哪种模式“赢得”了主导地位，而在于如何使意识在每种模式中流动和演化
- 人们对未来的看法可能会随着时间的推移而改变，新的技术和科学发现可能会带来新的观念和理解
- 能量和信息可能是同一枚硬币的两面，或者说是同一个概念的不同表现形式
- 信息可能是比能量更为基础的概念，能量可能是从信息中产生的
- 意义和价值可能不在于外部的权威或计划，而在于个人对自己生活和决定的理解和感受
- 人类的进步和发展可能需要避免“道德锁定”，即避免将某些价值观或原则固定为绝对真理
- 意义和价值可能是通过个人对自己生活和经历的反思和理解而产生的，而不是来自外部的权威或计划
LLMs get lost in multi-turn conversation #
https://arxiv.org/abs/2505.06120
一篇关于人工智能的大型语言模型（LLMs）在多轮对话中的性能研究论文。论文的标题是“LLMs Get Lost In Multi-Turn Conversation”，即“大型语言模型在多轮对话中迷失方向”。研究人员通过大规模的模拟实验，比较了 LLMs 在单轮和多轮对话中的性能，发现 LLMs 在多轮对话中的性能明显较差，平均下降了 39%。
论文的作者 Philippe Laban 等人指出，尽管 LLMs 在单轮对话中表现良好，但在多轮对话中，LLMs 往往会做出错误的假设，并过早地尝试生成最终解决方案，从而导致性能下降。研究人员分析了 20 万多个模拟对话，发现 LLMs 在多轮对话中表现出的性能下降主要是由于两个因素：一是 LLMs 的能力下降，二是 LLMs 的不可靠性增加。
此外，论文还讨论了 LLMs 在多轮对话中的局限性和挑战，包括 LLMs 难以理解用户的意图和背景，难以处理多轮对话中的不确定性和模糊性等。研究人员希望通过这项研究，能够为 LLMs 的开发和改进提供参考和指导，进而提高 LLMs 在多轮对话中的性能和可靠性。
本论文属于计算机科学和语言学领域，具体来说是计算机科学中的自然语言处理和人工智能领域。论文的研究结果和结论对 LLMs 的开发和应用具有重要的参考价值和指导意义。
HN 热度 348 points | 评论 236 comments | 作者：simonpure | 22 hours ago #
https://news.ycombinator.com/item?id=43991256
- 大型语言模型（LLM）在多轮对话中容易失去上下文，保持上下文清晰对于获得高质量的响应至关重要。
- LLM 可以帮助快速解决问题，但不应依赖它来做出决定或指引方向。
- 使用 LLM 可以节省时间，但不应忽视学习基础知识和理解底层原理的重要性。
- LLM 可以帮助识别问题和找到解决方案，但需要用户提供清晰的上下文和约束。
- 学习和理解某个领域需要深入的研究和实践，而 LLM 可以在某些情况下提供帮助，但不能替代真正的学习。
- 使用 LLM 可以快速找到解决方案，但不应忽视对基础知识的理解和对复杂问题的深入分析。
I don’t like NumPy #
这篇文章讨论了作者对 NumPy 的不满，NumPy 是一种用于 Python 的数组计算软件。作者表示，NumPy 对于简单的计算很方便，但对于复杂的计算，NumPy 的语法和功能变得难以理解和使用。
作者举了一个例子，说明了 NumPy 的局限性。假设我们有一个 5×5 的矩阵 A 和一个长度为 5 的向量 x，我们想计算 Ay=x 的解。在 NumPy 中，这很简单，只需要使用 np.linalg.solve(A, x)函数。但是，如果我们有一个 100×5×5 的三维数组 A 和一个 100×5 的二维数组 x，我们想计算 Aᵢyᵢ=xᵢ 的解，NumPy 的语法就变得很难理解了。
作者指出，NumPy 的设计缺陷在于它使用了广播（broadcasting）代替了索引（indices）。广播使得数组可以在不同维度上进行运算，但它也使得代码难以理解和调试。作者认为，使用索引会更好，因为它可以明确地指定运算的维度和顺序。
作者还提到了 NumPy 的 einsum 函数，这个函数使用了爱因斯坦求和约定，可以明确地指定运算的维度和顺序。作者认为，einsum 函数是 NumPy 中少数几个好的部分，因为它提供了一个明确和灵活的方式来进行数组运算。
总的来说，作者认为 NumPy 的设计有缺陷，广播代替索引使得代码难以理解和调试。作者希望有一个更好的数组计算软件，可以提供明确和灵活的方式来进行数组运算。
HN 热度 325 points | 评论 150 comments | 作者：MinimalAction | 9 hours ago #
https://news.ycombinator.com/item?id=43996431
- Xarray 是一个不错的库，解决了 NumPy 数组命名和广播的问题。
- 使用 Xarray 可以使代码更容易写和理解，尤其是在处理多维数据时。
- 有些人认为 Julia 语言比 Python 更适合科学计算，NumPy 是一个被强行嫁接到 Python 上的库。
- Python 的性能问题是一个痛点，Julia 有明显的优势，但目前 Julia 的使用范围还比较狭窄。
- 未来可能会出现一种情况，即所有语言都可以达到相同的性能水平，性能将不再是选择语言的主要原因。
- 人工智能可以帮助将代码从一种语言翻译到另一种语言，甚至可以自动优化代码以提高性能。
Malicious compliance by booking an available meeting room #
https://www.clientserver.dev/p/malicious-compliance-by-booking-an
2011 年，拉里·佩奇成为谷歌的 CEO，并试图解决会议问题。他实施了一些新政策，包括每次会议必须有一个决策者，会议人数不得超过 10 人，每个人都必须贡献意见，会议时间不得超过 50 分钟，以便参加者有时间休息和使用卫生间。然而，这些政策并没有带来太大的变化，人们仍然会在会议室里超过预定的时间。
有一次，一个团队在纽约办公室发现他们的站立会议大约需要 10 分钟，他们不想与其他会议冲突。于是，他们开始在每个小时的最后 10 分钟预订会议室，因为其他人已经预订了 50 分钟的会议。他们会在预定的时间到来时进入会议室，并告诉其他人他们已经预订了会议室的最后 10 分钟。
这个团队的行为可以被视为一种恶意的遵守，他们按照规则行事，但实际上却是在破坏会议的正常进行。他们的行为引起了其他人的不满，但也说明了公司内部的会议文化问题。拉里·佩奇的政策虽然出于好意，但并没有真正解决会议问题，反而导致了一些意想不到的后果。
这篇文章的作者回忆了这段经历，并对公司内部的会议文化进行了反思。他认为，会议应该是一个高效的沟通方式，但实际上却常常变成了一种浪费时间的活动。作者还提到了其他相关的故事，例如谷歌文档的错误和 create-react-app 的使用问题，说明了软件开发中的各种挑战和问题。
HN 热度 293 points | 评论 275 comments | 作者：jakevoytko | 11 hours ago #
https://news.ycombinator.com/item?id=43994765
- 一些大学采用“学术季度”制度，即课程实际开始时间比安排时间晚 15 分钟，以便学生有足够的时间到达下一场课。
- 这种制度可以让学生有缓冲时间，避免因时间紧张而迟到或早退。
- 在一些国家，课程开始时间会被标记为“c.t.”（cum tempore），表示实际开始时间比安排时间晚 15 分钟。
- 如果老师在规定时间内未到达，学生可以在 15 分钟后离开。
- 有些教授会对迟到或缺席的学生进行处罚，例如锁门不让迟到学生进入课堂。
- 还有一些教授会使用负分制度，鼓励学生对自己的答案负责，并对自己的不确定性有所了解。
- 有些人认为这种制度可能会对有健康问题或其他特殊情况的学生造成不公平的影响。
Coinbase says hackers bribed staff to steal customer data, demanding $20M ransom #
Coinbase 公司最近遭遇了一起网络攻击事件，黑客通过贿赂公司的海外支持人员，获得了部分客户的敏感数据。这些数据包括客户的姓名、地址、电话号码、电子邮件地址、银行账号、社会安全号码等。黑客随后向 Coinbase 发送了一封电子邮件，要求支付 2000 万美元的赎金，以换取不公开这些数据。
Coinbase 公司表示，他们已经检测到这一事件，并立即采取了行动，终止了涉案人员的雇佣关系，并告知可能受到影响的客户。公司还加强了其欺诈监控措施，以防止类似事件再次发生。Coinbase 表示，他们不会支付赎金，而是将与执法部门合作，追究黑客的责任。
这起事件可能会对 Coinbase 公司造成重大损失，估计最高可达 4 亿美元。公司的股票在事件发生后也出现了下跌。Coinbase 公司表示，他们将为受到影响的客户提供赔偿，并将建立一个 2000 万美元的奖励基金，用于奖励提供线索、帮助抓捕黑客的个人。
Coinbase 公司是一家主要的加密货币交易平台，最近刚刚宣布了一项收购计划，旨在扩大其全球业务范围。公司的 CEO 布莱恩·阿姆斯特朗（Brian Armstrong）表示，公司的目标是成为世界上最大的金融服务应用程序。在最近的财报电话会议上，阿姆斯特朗表示，公司将继续投资于安全和合规措施，以保护客户的资产和数据。
这起事件凸显了加密货币交易平台面临的安全挑战。黑客通过贿赂内部人员，获得敏感数据，这是网络攻击中常见的手法。Coinbase 公司的反应及时，立即采取了行动，终止了涉案人员的雇佣关系，并加强了其欺诈监控措施。然而，这起事件仍然对公司的声誉和客户的信任产生了影响。
HN 热度 273 points | 评论 311 comments | 作者：gpi | 9 hours ago #
https://news.ycombinator.com/item?id=43996307
- Coinbase 泄露客户数据，导致客户面临诈骗和安全风险
- 客户的个人信息、交易记录和政府身份证件图片被泄露，增加了被诈骗和绑架的风险
- 公司应该实施更严格的数据保护措施，例如 GDPR，以防止数据泄露
- Coinbase 的安全措施不够，导致客户数据被泄露，公司应该承担责任
- 客户应该对自己的个人信息和财产安全保持警惕，避免使用不安全的交易平台
- 美国政府的 KYC 法律导致 Coinbase 必须收集客户的政府身份证件信息，增加了数据泄露的风险
- 加密货币交易平台的去中心化特性使得客户的财产安全面临更大的风险
- 客户应该考虑将加密货币转移到更安全的平台或钱包，以保护自己的财产安全
- 数据泄露事件可能导致客户遭受巨大的经济损失和精神伤害，公司应该提供足够的赔偿和支持
- 加密货币交易平台应该提高安全措施和透明度，以赢得客户的信任和信心
Grok answers unrelated queries with long paragraphs about “white genocide” #
https://twitter.com/grok/status/1922651218595439063
Grok 的回答与问题无关，总是提到“白人种族灭绝”，但目前这个内容已经看不到了
HN 热度 251 points | 评论 104 comments | 作者：Fraterkes | 1 day ago #
https://news.ycombinator.com/item?id=43987266
- 这篇帖子被标记是因为有人觉得它让人感到不舒服，并且涉及到了政治问题
- 有人认为 Hacker News 上的很多用户都同意这种观点，但不想讨论
- 有人觉得 Grok 的回答与问题无关，总是提到“白人种族灭绝”
- 有人认为 Hacker News 已经不是一个自由讨论的平台，很多帖子被错误地标记
- 有人觉得创造一个替代的 Hacker News 平台是必要的，例如 Tildes 或 Mastodon
- 有人认为 Hacker News 上的用户大多是年轻、富有、聪明的男人，他们容易被某些思想所影响
- 有人觉得当前的科技界已经被极右思想所影响，例如法西斯主义和种族主义
- 有人认为 Grok 的回答是被故意操纵的，目的是为了宣扬某些思想
- 有人觉得 Hacker News 已经失去了原来的自由讨论的精神，变得更加保守和排外
Migrating to Postgres #
https://engineering.usemotion.com/migrating-to-postgres-3c93dff9c65d
Motion 公司早在 2022 年初就开始使用 CockroachDB，这是一种具有水平扩展、 高可用性和 SQL 兼容接口的数据库。然而，随着公司的发展和使用量的增加，CockroachDB 的成本也随之增加，到 2024 年，Motion 的 CockroachDB 账单已经达到六位数。尽管如此，公司并没有要求数据本地化，且仍然在单个区域进行简单的事务性查询，因此不需要支付分布式数据库的费用。
在使用 CockroachDB 的过程中，公司遇到了几个问题。首先，Prisma 的迁移经常超时，导致部署被阻塞数小时。开发人员不得不手动运行迁移，这是一个非常耗时的过程。其次，ETL 任务也经常超时，导致数据同步不完整。最后，查询速度也存在问题，CockroachDB 的查询优化器在某些情况下会导致查询变慢。
为了解决这些问题，公司决定迁移到 Postgres。迁移过程相对较为简单，因为公司使用了 ORM 框架，可以轻松地在不同数据库之间切换。迁移后，公司发现 Postgres 的性能更好，查询速度更快，ETL 任务也变得更加可靠。
在迁移过程中，公司也发现了 CockroachDB 的一些缺陷。例如，CockroachDB 的 UI 会显示未使用的索引，导致开发人员感到困惑。另外，取消运行中的查询也变得非常困难，需要登录到控制台并手动取消查询。最后，CockroachDB 的支持也存在问题，支持门户是一个独立的网站，需要单独的认证。
总的来说，Motion 公司从 CockroachDB 迁移到 Postgres 的过程是一个复杂的过程，需要解决许多技术问题。然而，迁移后，公司发现 Postgres 的性能和可靠性更好，能够更好地支持业务的发展。
HN 热度 224 points | 评论 257 comments | 作者：shenli3514 | 1 day ago #
https://news.ycombinator.com/item?id=43989497
- 100 万行数据对于现代服务器来说已经不算大了，单节点 Postgres 可以轻松处理。
- 当表中的行数达到 100 万时，可能需要考虑分片或时间戳归档来优化数据存储。
- 读写工作负载和行大小会影响 Postgres 的性能，但一般来说，100-200 万行以下的表格可以较好地处理。
- 使用分片、缓存和读取副本可以大大提高 Postgres 处理大表的能力。
- 即使是几十亿行的表格，Postgres 也可以通过适当的优化和配置来处理。
- 单节点 Postgres 可以处理大量数据，但当数据量过大时，需要考虑分布式数据库或其他优化方案。
- 100 万行以下的表格可以通过优化查询、缓存和索引来提高性能。
- Postgres 的改进使得即使是中等大小的数据库也可以轻松处理大量数据。
- 添加默认值到列中不再需要锁定整个表格，Postgres 的改进使得这种操作变得更容易。
- 大型表格的维护需要考虑数据的增长和未来扩展的需求。
EU ruling: tracking-based advertising […] across Europe has no legal basis #
欧洲法院做出了一项具有里程碑意义的判决，宣布谷歌、微软、亚马逊等公司使用的基于跟踪的广告系统在欧洲没有法律依据。这一判决是对“透明度和同意框架”（TCF）的挑战，TCF 是这些公司用来获得用户同意进行数据处理的机制。
这一判决的背景是比利时数据保护局于 2022 年做出的决定，该决定发现 TCF 存在多项违反《通用数据保护条例》（GDPR）的行为。比利时法院的判决确认了这些发现，并指出 TCF 未能确保个人数据的安全和保密，也未能正确地请求用户的同意。
TCF 被广泛用于在线广告行业，特别是在实时竞价（RTB）系统中。RTB 系统允许广告商实时竞价广告空间，并使用用户的个人数据来确定广告的相关性。然而，这一系统也存在严重的隐私问题，因为它涉及大量的个人数据传输和处理。
判决认为 TCF 未能提供足够的透明度和控制，允许用户了解他们的数据如何被使用和处理。这一缺乏透明度和控制使得用户难以做出明智的决定关于他们的数据如何被使用。
这一判决对在线广告行业具有重要意义，因为它要求公司重新评估他们的数据处理实践，并找到新的方法来获得用户的同意。同时，这一判决也对用户具有重要意义，因为它有助于保护他们的隐私和数据安全。
判决的具体内容包括，TCF 违反了 GDPR 的多项规定，包括文章 5（1）f、文章 25 和文章 32，未能确保个人数据的安全和保密；文章 5（1）a 和文章 6，未能正确地请求用户的同意；文章 12、13 和 14，未能提供足够的透明度和控制。
这一判决是对在线广告行业的一次重要挑战，要求公司重新评估他们的数据处理实践，并找到新的方法来获得用户的同意。同时，这一判决也对用户具有重要意义，因为它有助于保护他们的隐私和数据安全。
HN 热度 217 points | 评论 161 comments | 作者：mschuster91 | 18 hours ago #
https://news.ycombinator.com/item?id=43992444
- 公司收集的数据应该像放射性物质一样，尤其是涉及个人隐私信息，应该谨慎对待并及时销毁。
- 如果一家公司的业务不能在不收集大量用户数据的情况下运营，那么这种业务可能不应该存在。
- 除非用户得到补偿，否则公司不应该收集和使用用户的数据。
- 公司在收集数据时应该考虑数据的成本和潜在风险，而不是认为数据是免费或低成本的就随意收集。
- 法律和监管应该成为限制公司过度收集数据的有效手段。
- 公司应该在设计系统时考虑隐私问题，遵循“私密性由设计”原则，只在必要时收集和存储个人隐私信息。
- GDPR 是一个较好的法规，要求公司明确说明收集哪些数据，获得明确的用户同意，并提供数据修改的途径。
- 公司在违反数据保护规定时应该受到适当的处罚和警告，确保其遵守相关规定。
A Tiny Boltzmann Machine #
https://eoinmurray.info/boltzmann-machine
本文介绍了玻尔兹曼机（Boltzmann Machine）的概念和原理。玻尔兹曼机是一种早期的生成式人工智能模型，于 1980 年代提出，用于无监督学习，即从数据中学习模式而无需明确的目标。它可以生成与训练数据类似的新数据，因此也被称为生成式人工智能。
玻尔兹曼机是一种神经网络，试图通过模拟物理中的能量原理来学习数据中的模式。它由可见层和隐藏层组成，两层之间通过权重连接。可见层的状态可以被观察和设置，而隐藏层的状态则不可见。网络的能量函数定义为可见层和隐藏层状态的函数，目标是最小化能量函数以学习数据中的模式。
文中还介绍了受限玻尔兹曼机（Restricted Boltzmann Machine，RBM），它是玻尔兹曼机的一种特殊形式，限制了可见层和隐藏层之间的连接，使得训练速度更快，理解更容易。受限玻尔兹曼机通过对比散度算法进行训练，包括正相和负相两个阶段，正相阶段从数据中学习模式，负相阶段通过吉布斯采样生成新数据。
此外，文中还提供了一个受限玻尔兹曼机的模拟器，用户可以通过模拟器了解受限玻尔兹曼机的训练过程和生成数据的过程。模拟器包括输入样本、输出重构、能量损失和权重更新等部分，用户可以通过调整参数和观察结果来理解受限玻尔兹曼机的工作原理。
总的来说，本文对玻尔兹曼机和受限玻尔兹曼机进行了详细的介绍，包括其原理、训练过程和应用。同时，提供了一个模拟器帮助用户更好地理解这些概念。
HN 热度 214 points | 评论 39 comments | 作者：anomancer | 11 hours ago #
https://news.ycombinator.com/item?id=43995005
- 研究在美国被视为浪费，因为它通常不会带来立即的收益，而且当前的领导层认为研究对他们的利益构成威胁。
- 量子计算机可以通过尝试大量组合的解决方案来找到最佳答案，但这需要大量的硬件资源。
- 受限玻尔兹曼机（RBM）由于其无向结构，无法像前馈网络一样构建计算图，因此需要使用吉布斯采样来调整权重。
- 研究的价值常常被忽视，尤其是研究生的贡献，他们往往在后续研究中发挥重要作用。
- 量子智能可能会彻底改变社会和技术的发展轨迹，如果有一种外星物种拥有先进的量子感知系统和神经系统。
- 评论者回忆起过去关于受限玻尔兹曼机的研究和实现，分享了相关的视频和资源。
Show HN: Muscle-Mem, a behavior cache for AI agents #
https://github.com/pig-dot-dev/muscle-mem
Muscle Mem 是一个行为缓存系统，用于 AI 代理。它是一个 Python SDK，记录代理的工具调用模式，当任务被重复执行时，会确定性地重放已学习的轨迹，如果检测到边缘情况，则会回退到代理模式。Muscle Mem 的目标是将大型语言模型（LLM）从重复任务的热路径中移除，增加速度，减少变异性，并消除令牌成本。
Muscle Mem 不是另一个代理框架。您可以按照自己的方式实现代理，然后将其插入 Muscle Mem 的引擎。当给定一个任务时，引擎将确定环境是否被以前看到过（缓存命中）或是新的（缓存未命中）。如果是缓存命中，引擎将使用检索到的轨迹执行任务；如果是缓存未命中，引擎将任务传递给代理。引擎还会收集工具调用事件以添加到缓存中作为新的轨迹。
Muscle Mem 的关键部分是缓存验证。要将安全的工具重用添加到代理中，需要问自己：对于代理执行的每个工具，环境中的哪些特征可以用来指示是否安全执行该操作？如果可以回答这个问题，代理就可以具有肌肉记忆。
Muscle Mem 提供了一个 API，包括引擎、工具和检查。引擎是代理的主要执行者，管理自己的缓存并确定何时调用代理。工具是代理执行的操作，可以使用 @engine.tool 装饰器来记录工具调用。检查是缓存验证的基本构建块，用于确定是否安全执行给定的操作。
Muscle Mem 的工作原理是，当代理执行一个任务时，引擎会检查缓存中是否有与该任务相关的轨迹。如果有，引擎将使用该轨迹执行任务；如果没有，引擎将任务传递给代理。代理执行任务后，引擎会将工具调用事件添加到缓存中作为新的轨迹。
Muscle Mem 的优势在于它可以增加代理的执行速度，减少变异性，并消除令牌成本。它还提供了一个简单的 API，允许开发者轻松地将 Muscle Mem 集成到自己的代理中。Muscle Mem 的未来发展方向包括改进缓存验证机制，增加对更多类型任务的支持，并优化性能。
HN 热度 209 points | 评论 50 comments | 作者：edunteman | 1 day ago #
https://news.ycombinator.com/item?id=43988381
- 记忆和上下文是人工智能发展的瓶颈，需要一个通用的解决方案来解决这个问题
- Muscle-Mem 项目的目标是将大语言模型从重复的自动化任务中解放出来，通过智能地在脚本执行和代理执行之间切换
- 使用嵌入式方法来验证缓存可能不够可靠，需要考虑其他方法来解决这个问题
- 参数化和比较过滤器的堆栈是 Muscle-Mem 项目中尚未解决的问题
- 环境特征的变化可能会影响缓存的有效性，需要找到方法来存储和管理这些变化
- 代理之间的市场可能是一个解决方案，代理可以发布和消费彼此的记忆和工具序列
- 创建有意义的上下文概念是解决这个问题的关键，可能需要使用丰富的文本描述来解决这个问题
- Muscle-Mem 项目的目标是减少重复任务的摩擦，通过提供一个更强大的代理提示系统来实现自动化