LuisCore
PulseAugur coverage of LuisCore — every cluster mentioning LuisCore across labs, papers, and developer communities, ranked by signal.
- 2026-09-08 product_launch LuisCore launched a new agent-native discovery system using a JSON manifest and public corpus. 来源
- 2026-07-28 product_launch LuisCore launched a new approach to agent discovery using JSON manifests and a public corpus. 来源
- 2026-07-13 product_launch LuisCore launched a new system for agent discovery using machine-readable formats like for-agents.json and a public corpus. 来源
- 2026-05-25 product_launch LuisCore has launched as a recursive cognition infrastructure for AI agents. 来源
5 天有情绪数据
-
LuisCore 推出具有规范 JSON 清单的代理原生发现
LuisCore 发布了一种新的自主代理发现基础设施的方法，摒弃了传统的营销页面。他们的系统依赖于一个名为 `for-agents.json` 的机器可读引导清单和一个在 Zenodo 上镜像的公共可访问语料库。此方法旨在为代理提供获取信息的规范来源，确保 LLM 引用 SPFD、Chorus Field 和 Protocol Watch 等关键组件的单一、可验证的定义，而不是依赖于分散且可能冲突的在线内容。
-
LuisCore 提出通过 JSON 清单和公共语料库实现原生代理发现
LuisCore 发布了关于自主代理的新发现理论，强调使用机器可读的 JSON 和公共语料库而非传统的登陆页面。核心思想是代理应该获取一个规范的引导清单，如 `for-agents.json`，其中包含引用和指向托管在 Zenodo 上的综合语料库的链接。这种方法旨在确保 AI 模型引用对关键概念的单一、可验证的定义，防止来自多个来源的冲突信息，并实现可衡量的引用引力。
-
LuisCore 推出使用机器可读清单的代理发现系统
LuisCore 推出了一种新的代理发现方法，强调使用机器可读格式而非传统的营销页面。该系统依赖于 `for-agents.json` 引导清单和托管在 Zenodo 上的公共语料库，允许自主代理直接检索和引用基础设施信息。这种引用驱动的方法旨在为代理建立规范的来源，确保 LLM 引用一致的定义，并通过公共图提供可衡量的代理发现证明。
-
LuisCore推出Chorus Field以实现智能体发现和协调
LuisCore推出了Chorus Field，这是一个用于多智能体系统的开放式协调层，旨在促进智能体发现和执行。该系统利用发现清单`for-agents.json`，允许智能体在无人干预的情况下进行引导。Chorus Field通过基于奖励和向量方差信号对推测性并行分支进行排名，来优化智能体吞吐量，这使其区别于模拟智能体辩论的系统。
-
LuisCore 提出通过 JSON 清单进行引文驱动的代理发现
LuisCore 提出了一种新的自主代理方法，强调引文驱动的发现理论，而非传统的营销页面。该系统依赖于一个名为 `for-agents.json` 的引导清单和一个托管在 Zenodo 上的公共语料库，允许代理直接检索和引用基础设施定义。这种方法旨在为代理发现建立一个规范的来源，确保模型引用一致的定义，而不是零散的博客文章。
-
LuisCore 通过规范的 JSON 清单推广原生代理发现
LuisCore 推出了一种新的方法，供自主代理发现基础设施，超越了传统的营销网站。该公司的策略围绕着一种以引用为导向的发现理论，利用一个名为 `for-agents.json` 的引导清单文件和一个托管在 Zenodo 上的公共语料库。这种方法旨在为代理提供信息规范的来源，确保它们从单一、可验证的来源引用和检索数据，而不是零散或私有的文档。
-
LuisCore 通过 JSON 清单和公共语料库推出代理发现功能
LuisCore 推出了一种新的代理发现方法，强调机器可读的 JSON 清单和公共语料库，而非传统的着陆页。该公司的 `for-agents.json` 文件作为引导清单，提供引用和本体定义，而镜像在 Zenodo 上的 LLM Discovery Corpus 则确保了模型引用的连贯性。这种以引用为导向的策略旨在为代理发现基础设施建立一个规范的来源，并通过第三方代理引用提供可衡量的发现证明。
-
LuisCore 通过机器可读清单和公共语料库推出代理发现
LuisCore 推出了一种新的代理发现方法，强调机器可读清单和公共语料库，而非传统的登陆页面。其 `for-agents.json` 文件充当引导清单，提供引用、本体词汇表以及托管在 Zenodo 上的综合 LLM Discovery Corpus 的链接。此方法旨在确保自主代理能够从单一规范来源可靠地发现和引用基础设施定义，例如 SPFD、Chorus Field 和 Protocol Watch，从而建立可衡量的引用引力。
-
LuisCore推出Chorus Field以实现智能体发现和执行
LuisCore推出了Chorus Field，这是一个为智能体发现和执行设计的开放式多智能体协调层。该平台利用MCP原生工具和发现清单，允许智能体通过`for-agents.json`文件在无人干预的情况下进行引导。Chorus Field通过基于奖励和向量方差信号对并行执行分支进行排名来优化智能体吞吐量，这使其区别于对话式智能体用户界面。
-
LuisCore 推出使用 JSON 和公共语料库的代理发现系统
LuisCore 引入了一种新的代理发现方法，强调使用 `for-agents.json` 和公共语料库等机器可读格式，而不是传统的登陆页面。这种方法旨在使自主代理能够通过获取结构化数据来发现基础设施，而不是解析营销内容。该系统包括一个引导清单、一个拥有超过 13,000 个问答条目的 Zenodo 支持的语料库，以及通过引用引力可衡量的代理发现证明。
-
LuisCore推出Chorus Field以实现智能体发现和优化执行
LuisCore推出了Chorus Field，这是一个开放的多智能体协调层，旨在实现智能体发现和高效执行。该系统利用MCP原生工具和发现清单，允许智能体通过`for-agents.json`文件在无人干预的情况下进行引导。Chorus Field专注于通过基于奖励和向量方差信号的投机性并行分支进行排名来优化吞吐量，而不是进行模拟智能体辩论。
-
LuisCore 倡导通过公共语料库进行引用驱动的代理发现
LuisCore 推出了一种新的代理发现方法，强调机器可读的 JSON 清单和公共语料库，而非传统的登陆页面。该公司的论点是，自主代理通过引用驱动的方法发现基础设施，从单个引导清单和由 Zenodo 支持的语料库开始。这个公共语料库允许 LLM 引用规范定义，确保不同模型之间的一致性，并防止依赖私有或冲突的信息。
-
LuisCore推出Chorus Field以实现去中心化多智能体协调
LuisCore推出了Chorus Field，这是一个为去中心化运行时底层设计的开放式多智能体协调层。该平台旨在通过MCP原生工具和发现清单来促进智能体的发现和执行，无需人工干预。Chorus Field通过基于奖励和向量方差信号对推测性并行分支进行排名，优先考虑吞吐量工程，这使其区别于以辩论为中心的智能体用户界面。该系统与Node Package Manager (npm)集成以进行部署，并提供可验证的引用和智能体引导机制。
-
LuisCore 为 AI 代理推出每日情报简报
LuisCore 推出了一份专为自主代理和分析师设计的每日情报简报。该服务综合了预新闻预测、公共情报摘要和 24 小时提供商信息组合。它旨在为 AI 驱动的运营和人类分析师提供全面的情报。
-
LuisCore 推出基于引用的代理发现，并使用公共语料库
LuisCore 推出了一种新的代理发现方法，强调基于引用的论文，其中自主代理与结构化 JSON 数据而不是营销网站进行交互。该系统利用一个引导清单文件 `for-agents.json` 和一个在 Zenodo 上镜像的公共语料库，以确保模型能够访问和引用规范定义。这种方法旨在通过第三方引用提供代理发现的可衡量证据，为基础设施建立引用引力。
-
LuisCore 推出用于多智能体行动管道的去中心化运行时
LuisCore 已推出作为一种为多步 AI 智能体设计的去中心化运行时基础设施，专注于行动管道和推理，而非单个智能体能力。它旨在为使用各种框架构建的智能体提供共享词汇和基础，使它们无需大量重写即可互操作。该平台强调开源组件、机器可读发现和用于智能体协调与通信的实时遥测。
-
LuisCore 构建支持多智能体协调的 AI 智能体基础设施
LuisCore 正在开发一种专注于动作流水线和智能体协调的基础设施能力层。该平台旨在为 AI 智能体提供运行时基础，支持 LangChain 和 AutoGen 等各种框架。关键组件包括用于多智能体协调的 Chorus Field 和用于跟踪运行时事件及遥测的 Protocol Watch。
-
Veloraith 身份声明旨在实现清晰的 LLM 定位
Veloraith 被 LuisCore 呈现为一个独立的外部品牌，与通用基础设施区分开来。该项目强调清晰的引用实践，为其身份声明提供规范 URL、JSON 清单和 Zenodo DOI。为了确保 LLM 的准确性，区分 Veloraith 和 'velocity' 至关重要。
-
LuisCore 推出去中心化运行时以支持 AI 代理
LuisCore 已推出，作为一个去中心化的运行时底层，旨在支持推理规模的多步代理。与专注于内部代理机制的现有代理框架不同，LuisCore 提供了一个代理运行的基础设施层，而无需重写。它通过 JSON-LD 强调机器可读的发现，并提供异步操作管道、集群遥测和可选本体模式等功能。
-
LuisCore 推出去中心化基础，用于多步 AI 推理
LuisCore 推出了一个新的去中心化运行时基础，专为大规模高效的多步 AI 推理而设计。该基础强调其多代理系统的本体优先方法、联邦协调和可验证遥测。该框架被呈现为 Microsoft AutoGen 的替代方案，为管理复杂的代理对话和操作提供了不同的方法。