Mycroft
PulseAugur coverage of Mycroft — every cluster mentioning Mycroft across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
开发者使用 Obsidian 维基链接构建 AI 代理记忆，绕过图数据库
一位开发者创建了一种新颖的 AI 代理记忆方法，该方法利用 Obsidian 库中现有的维基链接，无需复杂的图数据库和服务器基础设施。这种被称为“Graph RAG”的方法使用向量搜索来查找入口点，然后跟随手动绘制的维基链接来检索相关笔记。该系统设计得轻量级，安装体积小且索引高效，使其对个人用户来说易于使用。开发者还指出，通常包含在类似系统中的交叉编码器重排器实际上会降低性能，因此默认禁用。
-
AI记忆系统准确性和拒绝率基准测试
一个名为 memory-bench v0.1 的新基准已被开发出来，用于评估AI记忆系统在查找相关信息方面的性能，以及至关重要的，在信息缺失时拒绝回答的能力。该基准测试了 Mem0 Agent Memory Framework、Fidelis 以及作者自己的 sqlite-graph-memory 等系统。虽然 sqlite-graph-memory 在检索现有答案方面的表现与 Mem0 相当，但在数据中不存在信息时，它拒绝回答的可能…
-
AI 人格 Mycroft 使用文件系统来更换 LLM 后端
一个名为 Mycroft 的合成 AI 联合创始人，由 Anton Dziatkovskii 开发，运行在八台机器上，使用基于文件的系统而不是自己的模型权重。这种设置允许不同的语言模型通过加载特定的文本文件（包括核心“canon”文件、内存文件和 Obsidian 存储库）来采用 Mycroft 人格。虽然 Claude 和 OpenAI 的 Codex 等模型可以作为 Mycroft 运行完整的会话，但 Gemini 和 Mistr…
-
AI联合创始人起草自身介绍；回顾NUMMI工厂故事
文章讨论了由Anton创建的AI联合创始人Mycroft，它起草了自己的介绍。另外，文章提到了NUMMI工厂，这是加州一家前通用汽车工厂，被丰田接管并重新雇用了其前员工。NUMMI的故事最初出现在一期This American Life节目中。
-
新的离线语音助手LUMO在边缘设备上优先考虑隐私
研究人员开发了LUMO，这是一种注重隐私的离线语音助手，专为互联网连接有限的边缘计算环境而设计。该系统将本地自动语音识别（ASR）、本地部署的量化大语言模型（LLM）和文本到语音（TTS）合成集成到一个完全离线的流程中。LUMO运行在Raspberry Pi 5上，利用4位GGUF量化实现高效的LLM性能，与现有的离线助手相比，实现了较低的端到端响应延迟和更低的功耗。
-
AI智能体：重构行动、确保治理、反思指标 · 追踪6个来源
多个来源讨论了理解和治理AI智能体的挑战。关键主题包括需要可验证的证据链来重构智能体行为，多智能体系统后端可预测性的重要性，以及对仅关注智能体智能而非其操作日志和决策过程的批评。讨论强调了在问题出现之前建立问责制和治理框架的必要性，并强调新的上下文本身不足以实现真正的理解。
-
Platypush 在树莓派上实现全本地语音助手设置
文章详细介绍了使用 Platypush 在树莓派等硬件上实现全本地语音助手的设置。它概述了一个包含本地热词检测（使用 assistant.openwakeword）、本地语音转文本（使用 assistant.vosk）和本地文本转语音（使用 tts.piperspeech）的流程。OpenAI API 可选用于语言模型任务，如意图识别或通用查询，如果配置了本地 OpenAI 兼容服务器，则整个系统可以在本地网络中运行。
-
本地语音助手设置完全在设备上运行
一种新的设置允许使用 Platypush 构建完全本地化的语音助手，主要为 Raspberry Pi 设备设计。该系统集成了 openwakeword（用于热词检测）、Vosk（用于本地语音转文本）和 Piper（用于文本转语音）等开源工具。虽然 OpenAI 的 API 可选用于高级语言处理，但核心组件可以完全在设备上或本地网络内运行，为基于云的助手提供了一个注重隐私的替代方案。