Keep on to blur preview images; turn off to show them clearly
结构化笔记到子Agent
总结
AI聊多了会失去记忆? 给大家整理了个给AI增加记忆的7种工程实现, 包括 1. 上下文压缩 2. RAG + 向量数据库 3. 知识图谱记忆 4. 结构化笔记 5. 分层记忆架构 6. 子代理架构 7. 动态上下文管理 (有些部分其实有交叉, 所以分类并不严格) 建议注意好的实践方式还是先尝试上下文压缩, 毕竟简单见效快, 然后考虑昨天给大家分享的 Anthropic 方法, 使用 MCP 来减少上下文消耗. 这些简单的都尝试完毕了, 再上复杂的框架.
为什么AI需要记忆
RT @garrytan: Wabi is one of the most important new consumer codegen apps — it's a little bit of an Instagram moment for true no-code all o…
AI Apps investing @ A16Z; A1111; Boards of Krea, Deel, Clutch, Titan, Arc Boats, Untitled, Happy Robot + more; If you’re not at the table, you’re on the menu
Come work with me on OLMo! https://t.co/YiWhZtrcvz
modeling language at @allen_ai
把国外的视频和播客还有英文文章用ai洗去国内公众号 同步小红书自动生成长文图片 又支持一下小红书图片ocr解析文本回公众号 ai改写又洗一遍 这内容就是来回多模态被洗了好几次 以前只是有平台信息吞噬链 结果这吃进去的拉出来 然后再吃进去再拉 随着自动化越多 营养就越少 未来的内容如果缺少了人的价值观和温度 没有了优秀的观点和情感 就会成为巨量的ai幻觉垃圾 甚至会出现大量无法自主思考的人类被ai舆论控制的局面 这世界已经不需要一个无限月读了 每个地方都会有这些电子垃圾
当我真的开始做营销工具时我就发现 优秀的人会依靠信息进行碰撞与优质加工 但同时也滋生了无限自动改写 万物有阳就有阴 好的内容营销可以带来流量增量 差的内容营销会塞满网络垃圾 信息爆炸是一定的 所以我也在想 既然我无法阻止生产垃圾 那么我可能也需要构建一个优质过滤器以进行对抗 这样我就能对内容做评估策略 让agent针对不同人群生产相对优质的信息 尽量保证信息的有效性和价值传递
RT @eliebakouch: > Project Suncatcher is exploring how we could one day build scalable ML compute systems in space, harnessing more of the…
Distributed Learning @ deepmind | DiLoCo, DiPaCo. Continual Learning PhD @ Sorbonne