cartographer
PulseAugur coverage of cartographer — every cluster mentioning cartographer across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新工具 'cartographer' 测量代码库的 LLM token 计数
作者开发了一个名为 'cartographer' 的工具来测量代码库的 token 计数，以应对将大型代码库纳入 LLM 上下文窗口的挑战。该工具计算磁盘上的字符与 token 之间的比例，这个比例在不同的模型系列和代码结构之间差异很大。主要目标是为开发人员提供 LLM 交互的准确成本和大小估算，使他们能够有效地管理上下文窗口限制。
-
LLM 是无状态的：管理对话历史是 AI 记忆的关键
本文解释了大型语言模型（LLM）本质上是无状态函数，这意味着它们在请求之间不保留记忆。AI 产品中任何感知到的记忆都是通过开发人员显式管理并将对话历史作为数组与每次 API 调用一起发送来实现的。作者演示了如何通过将用户和助手消息都附加到列表中来实现这种“记忆”，然后将该列表传递给 LLM 端点。从该历史记录中省略助手的回复可能导致细微的错误，模型似乎会忘记其先前的响应或结论。
-
AI代理开发：从40行开始，而不是框架
作者提倡用最少的代码构建AI代理，从一个简单的HTTP POST循环开始，而不是复杂的框架。这种方法通过一个40行的Python脚本演示了一个名为cartographer的代码库映射代理，旨在揭开AI交互底层机制的神秘面纱。通过直接与OpenRouter等API交互，开发人员可以在抽象化之前更好地理解代理的核心组件，例如模型选择和消息格式化。
-
新系统Cartograph简化AI代理工具发现
研究人员开发了Cartograph，这是一个用于模型上下文协议（MCP）的联邦式代理，旨在改进AI代理的工具发现。Cartograph通过逐步披露工具定义而非一次性加载所有定义，来降低访问工具定义的计算成本。它采用了操作员认证的能力卡、一种名为Rift的三层可混淆集群分析，以及一个两阶段检索过程，以有效地对相关工具进行排名和呈现。该系统旨在提高AI代理与外部工具交互的可扩展性和效率。
-
Claude Opus 5 从特定的 markdown 触发器生成长篇内容
Anthropic 的 Claude Opus 5 模型出现了一种奇特的行为，发送特定的 markdown 序列 '---' 会导致其生成大量未经请求的内容。这个问题最初在 X 上被标记出来，模型似乎误将 markdown 解释为未完成的用户输入，从而导致其完成一篇文档或论文。实验显示，即使输入相同，输出长度也存在很大差异，从 17 到 4,800 多个 token 不等。进一步调查发现，触发器与 markdown 语法有关，而不是普…