
安利了好几个在 @evermind 的同事用 @typelessdotcom
未尝败绩,每个人着实非常喜欢。
今天惊奇发现竟然有 OverKill 版本,一个月 200 刀,好想试试效果如何。
另外,@huang_song_ 我们专门做长期记忆,可以合作一波呀。
试想一下,一建查找所有对话上下文/知识/记忆,毫秒级别的召回速度,绝配。
我的 DM 为 Typeless 而开。🫰
2
7
2,495
和一个大厂的朋友聊天,说最近烦贼烦,老板每天拿着 AI 生成的报告,质疑他的工作成果。
用的都是同样的 AI 工具。他跟 AI 来回讨论了很多轮,老板自己从头开个新对话,只问一轮,就拿着结果来挑战他的结论。
老板宁愿相信自己问一轮的结果,也不愿相信下属跟 AI 讨论很多轮做出来的东西。
这可能是现在职场的一个常态。
今天听了一下算法的周会,下个版本的 EverOS 2.0 值得您期待。
如果说之前的 EverOS 1.0 是给 LLM/Agents 加一层记忆,浅浅一层,有点单薄,写入、检索、召回的速度也会取决于不同的大模型,省 token 这件事也不太好控制,效果不太好衡量。
那 2.0 就不一样了。这次有了自己的记忆基础模型,专门为大规模场景设计,写入、检索、召回的速度都有非常大的提升,token 的节省也更好控制和衡量。
我个人挺喜欢 EverOS 1.0 的。这篇论文被引用了不少次,小米和混元也都引用了。但我们自己做下来,总觉得还有不少地方可以改,一直没有特别满意,也一直在找新的突破。
2.0 这次,等了这么久,带着自己训练的记忆基模,终于要蓝上了。
记忆库 + 知识库 + bots(本地 + 云端)
兼容 Agents/Harness/Knowledge base
打通微信 + 飞书/etc,限时免费
everme.evermind.ai
精致的小片子。
又是手搓视频的一天,今天给 @evermind 介绍 EverMe!
为「记忆」而生的产品,省去在多个 Agents 间留转的成本,省去在多个终端设备间切换的成本。你可以搭建自己的知识库,链接多个应用,打通多个信息渠道,随时随地随心所欲使用 EverMe。
欢迎大家来体验提建议,我们会送额度!
7
1,018
这篇 agent memory 值得细读,几个平时容易混在一起的东西,都分开讲了。
原始对话记录留着,方便以后回查。过程中写下的笔记,记的是当时觉得有用的东西。积累多了,可以整理成互相链接的 wiki。每次新开 session,再从里面挑一小部分提前放进上下文,其他的需要时再找。
这么分开看,就比较容易理解 dreaming 在做什么了。利用任务之间的空闲时间,回头看记录,检查笔记,纠正错误,再整理一下以后怎么找。
文章也讲了为什么不能什么都记。比如玩宝可梦,当前位置和手里多少钱,屏幕上就能看到,反复存下来很快就过时了。试过哪些方法,接下来准备怎么走,这些才需要另外记着。
还有个挺好的地方,它没有把 wiki 讲成万能的。有些问题直接搜原文就能回答,整理 wiki 没有明显收益,甚至出现过 wiki 比原始文件还大的情况。需要把几份文档放在一起理解的问题,才更能体现它的用处。
看完能明白,给 agent 留一个文件夹只是开始。里面写什么,什么时候读,哪些要重新核对,都会影响它下一次做事。文中把这些做法和实验结果放在一起讲,比单看概念清楚很多。
Memory is what allows Claude to learn from experience. In a new Engineering Blog post, we share how “dreaming” helps Claude organize what it’s learned, correct its mistakes, and find what it needs more easily the next time. anthropic.com/research/compo…
朋友 lab 的生物医药领域垂类 AI 模型,全原子结构预测,大白话就是蛋白质,核酸,小分子这些东西长什么样,以及放在一起时怎么结合使用。
看跑分在类似的 bench 上都不错,合理推荐。
Introducing NovaAtom-Lite, an all-atom structure prediction model for drug discovery.
It predicts the structures of proteins, nucleic acids, and the molecules they bind, including how they fit together.
NovaAtom-Lite outperforms both IsoDDE and AlphaFold 3 on FoldBench antibody–antigen structure prediction (DockQ ≥ 0.23):
NovaAtom-Lite: 79.07% (n=172)
IsoDDE: 75.58%
AlphaFold 3: 47.90% (n=167)
Our evaluation uses 5 seeds × 5 samples, with the top-1 prediction selected by the model's own ranking score.
Better structure prediction. A stronger starting point for your next experiment.
Live today via Geodesic API and NovaDDE.
🔗 API: platform.geodesiclab.com/
🔗 NovaDDE: agent.geodesiclab.com
🔗 Model Card: geodesiclab.com/news/introdu…
1
10
1,734
连看了好几个 MacBook Pro PROLED XDR 的测评,
做工,屏幕,重量,键盘,跑分,散热都顶,信仰灯也给了,
算是 2012 款,2016 款和 2021 款的各款优点都融合了,
可还是不明白,苹果为什么要突出宣传触摸屏?
20
40
16,704
昨天和几个传统行业高频用 AI 的人聊天,发现一个很有意思的点
从他们的体感来看,无论是什么模型,chat 竟然和 harness 有很大区别。
在他们看来,chat 很直接,很速度,想要必出,不过度思考,适合聊战略,方向和定位。
harness 却太谨慎,想把事情办好,过度思考,犹豫不决,反而起到反效果。
这其实有点反直觉,理论上直接在 harness 里面通过控制让其达到「模糊思考,抽象思考」的能力就行了。
但是实践起来,却没有直接分开聊好。
用 AI,几乎每天都在 fomo,避免不了。
会 fomo 自己的垂直化场景是否为最优解?也无从验证,只能体感和目测。
会 fomo 自己的 workflow 的安全性和可靠性,也无从验证,只能反复追问。
会 fomo 自己实操的活儿是否为效益最大化,也无从验证,只能看身边的人。
4
12
1,970
普通人在AI时代如何生存以及寻找自己的意义?
非技术背景、无大厂工作经历、祖传三代文科生
16个月前,我是中年僧人一身僧袍
16个月后的今天,推特2万粉丝,开源项目900star
千问眼镜黑客松获奖者
阶跃星辰手机内测用户
Spacex bot ambassador
组织过三场100人以上的大型活动
这一路走过,太辛苦,感谢太多人
感谢我的编程老师@yihui_indie @iamzhihui
再感谢@servasyy_ai 网络情缘一线牵
我对agent harness的理解完全来自黄佬
感谢@ElliotChen和@dinah_zhang 接纳我到开源社区,得以认识到非常多的开发者,让我快速成长
感谢@tualatrix 图大在杭州良渚星期四的轻松氛围
最后还要感谢很多很多在线下见面不断鼓励支持我的朋友
@canghe @gkxspace @bbkirstry @TATALAB_AI
我的偶像@Jason_Young1231 @Saccc_c
每次我困顿时,两位偶像的人生路都让我再坚持一口气
nanobot 作者@xubinrencs
Evomap founder 张昊阳老师 CTO 范志东老师
@Ninggao88 高宁老师 @anorth_chen 北哥
以及@MaiYangAI 文哥和@Caiya_5
@jev_chat @cgnot996
感恩的人太多不胜枚举,如有疏漏,还请见谅
凡是过往,皆为序章
如果你好奇一个普通人如何在AI时代学习和成长
请关注我♥️ 谢谢










