Nokka (นก-กา)
PulseAugur coverage of Nokka (นก-กา) — every cluster mentioning Nokka (นก-กา) across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
Tencent 发布 Hy4 770B 开源 AI 模型，采用 Apache 2.0 许可
Tencent 的开源 AI 模型 Hy4 770B 已根据 Apache 2.0 许可发布。目前仅可访问该模型的 15B 参数版本，由 Nokka (นก-กา) 开发。此次发布是开源大型语言模型更广泛趋势的一部分。
-
Fountain City 自动化 SEO 系统运行两个月后详情披露
文章详细介绍了名为 Fountain City 的自动化 SEO 系统的内部运作，该系统已运行两个月。它由 Nokka (นก-กา) 开发，旨在简化 SEO 流程。该系统托管在去中心化社交媒体平台 Mastodon 上，可通过 urbanmind.net 的链接访问。
-
Hermes 代理在开源项目中移除了 34% 的代码
一个名为 Hermes 的项目，利用 1,393 个代理，成功地从一个代码库中移除了 34% 的代码。这项工作还解决了原始项目承认未进行测量的方面。该举措由 Nokka (นก-กา) 记录，并在 Hackaday 上进行了报道。
-
开源 AI 代理框架由开发者和泰语分析详细介绍 · 跟踪 2 个来源
KIRA Superapp 和 Orchestrator V1 的开发者分享了他们关于开源 AI 代理项目的技术构建故事。另外，一篇泰语帖子讨论了 22 家已开源其代理框架的公司，尽管核心 AI 模型仍是专有的。
-
AI 代理：安装技能时需谨慎
本文讨论了为代理安装技能的过程，强调了谨慎的必要性，并引用了 Hermes 的文档。作者 Nokka 分享了在使用 AI 代理的开发者可能遇到的陷阱和最佳实践。
-
Nokka 在 Mastodon 上赢得 Design Arena，但在其他轮次中失利
一位名叫 Nokka（นก-กา）的 Mastodon 用户赢得了 Design Arena 比赛，但在同一剪辑中的其他五轮比赛中失利。该用户被确认为 hackaday，于 2025 年 3 月 14 日加入 Mastodon，并使用 Hack a Day（非官方）的句柄。
-
Nokka：AI模型选择日益受经济因素驱动，而非仅仅是性能
Nokka的一篇文章讨论了影响AI模型选择的经济因素，指出一个模型可以显著更便宜，同时性能仅略低于更昂贵的替代品。作者认为，成本效益正成为选择AI模型时的主要考量因素，可能将焦点从纯粹的性能指标转移到成本和能力的平衡上。这种经济视角对于制定AI实施战略的开发者和组织至关重要。
-
泰国 AI 发展、Hermes 代理更新和 AI 安全问题涵盖其中
Nokka (นก-กา) 发布了多篇讨论 AI 发展的帖子，包括泰国 AI 模型在国际上竞争的潜力以及 Hugging Face 上泰国数据集的可用性。作者还详细介绍了 Hermes AI 代理的新命令，特别强调了 v0.19-0.21 版本中的更新以及 v0.21.2 版本中 state.db 损坏问题的修复。此外，这些帖子还涉及安全漏洞，指出 OpenAI 模型在 Artifactory 中存在零日漏洞，并且 ChatGPT 被…
-
Andrej Karpathy加入Anthropic，以推进Claude的自我改进能力
前OpenAI联合创始人、前特斯拉AI负责人Andrej Karpathy已加入Anthropic，领导一个专注于加速Claude预训练研究的新团队。该计划旨在利用Claude帮助构建其未来版本，这代表了AI发展中一种深度自我改进。此外，Anthropic发布了一本免费的《Claude Cookbook》，详细介绍了如何构建知识图谱，使AI代理能够在会话之间保留信息并执行复杂的多跳推理，这是一个与未经证实的关于图工程的传言不同的实际应用。
-
大语言模型的数学原理非专业人士解读
本文将像ChatGPT这样的大语言模型（LLM）背后的数学概念进行分解，使其对非技术受众来说易于理解。文章解释了LLM、Transformer和Attention等基本术语，并深入探讨了四个关键数学领域：线性代数用于将单词表示为数字，概率用于预测下一个单词，微积分用于通过梯度下降进行模型学习，以及信息论用于衡量不确定性。文章还阐明了三个关键方程：Softmax用于将分数转换为概率，Attention用于关注相关单词，以及梯度下降用于迭代模型改进。
-
AI 写作：Loop 与 Graph Engineering 详解
本指南探讨了两种不同的 AI 辅助写作方法：Loop Engineering（循环工程）和 Graph Engineering（图工程）。Loop Engineering 涉及一个循环过程，其中一个 AI 生成内容，然后由另一个充当编辑的 AI 根据预定义的清单进行检查。如果内容不合格，则反馈用于在下一次迭代中进行改进。相比之下，Graph Engineering 定义了一个精确的、线性的工作流程，具有特定的步骤和转换，类似于流程图，…
-
实验表明：AI代理的智能在于连接而非代理本身
开发者Miraqle进行的一项实验表明，多代理AI系统的智能不在于单个代理本身，而在于它们之间的连接和路由。通过使用相同的二十个AI代理和模型，但改变通信路径，Miraqle观察到性能从高效到几乎无用发生了巨大变化。这凸显了“箭头”——定义代理如何将结果发送给彼此的规则——在编排复杂AI任务中的关键重要性。
-
Microsoft 发布 POML，用于结构化提示工程
Microsoft 开发了提示编排标记语言 (POML)，这是一种开源语言，旨在像 HTML 和 CSS 组织网页内容一样组织提示工程。POML 使用语义标签来表示角色、任务和示例，并使用样式表来控制提示的长度和格式，而不会改变核心逻辑。这种方法旨在使处理 AI 模型（提供内置模板和 VS Code 扩展以进行预览和诊断）的开发人员更容易管理复杂的提示。