用纯 Python 编译器替代 LLM 构建个人知识库

作者尝试采用类似 Karpathy 风格的方式构建个人 LLM 知识库，使用了智能体循环、递归 LLM 调用和嵌入技术处理本地 Markdown 文件。但过程中意识到，为了重新组织自己已有的文本而支付代币非常不合理。于是，作者用纯 Python 编译器替换了整个工作流，无需任何 LLM 调用、外部 API 或第三方依赖，就能将格式不统一的原始笔记文件夹转化为结构化的、带链接的 Markdown 知识库。该编译器基于 Python 标准库实现，仅进行文本解析、字符串操作和内存字典中的图遍历，确保每次运行结果完全一致。作者强调，确定性比智能化更重要：智能体决定知识库可能的样子，而编译器保证它必须是的样子。整个系统将手写内容与机器生成部分分离，Markdown 页面像对象文件一样可从源代码随时重建。实际测试在两台不同机器上运行，所有基准数据真实可靠，并包含了构建过程中遇到的两个真实 bug。 #知识管理 #Python #编译器 #本地优先 #LLM #个人知识库 #markdown #开源工具

AI 能否推动科学发现？答案仍存争议

近日，一篇由物理学家兼独立学者 Iulia Georgescu 与哈佛大学名誉教授 Venkatesh Narayanamurti 共同撰写的文章探讨了当前 AI 在科研领域的局限性。文章指出，尽管大语言模型已吸收大量科学文献，但至今未能产生重大突破。作者认为，科研并非简单的“阅读-生成假设-测试-写作”线性流程，而是一种社会性、复杂且常低效的创造性活动。此外，科学进步离不开“隐性知识”——即通过实践经验与口耳相传获得的技能，这部分内容无法被 AI 从文本中直接学习。文章强调，技术与科学密不可分，真正的前沿研究依赖于理论与实践的深度融合，而非单纯依赖自动化产出。 #AI #科学 #隐性知识 #技术哲学 #科研方法 #大语言模型

数学家为AI使用制定规则，发布《莱顿宣言》

本月早些时候，荷兰莱顿大学发布《关于人工智能与数学的莱顿宣言》。该宣言强调，尽管AI在数学验证、问题求解等领域展现出巨大潜力，但研究者与机构必须确保人类判断力、透明度和公平性得到保护。此前，2024年9月的一场研讨会召集了数学、计算机科学等领域专家，讨论AI对数学研究的影响。宣言指出，AI商业化软件融入数学研究后，将改变研究问题的类型和证明形式，可能危及学术自主性。研究表明，AI使用与科学话题多样性缩减相关，那些无法使用或不愿使用专有AI工具的研究者将处于劣势。宣言主张数学成果应继续在同行评审的开放科学出版物上发表，且不得要求读者具备专有知识或使用专有设备。该宣言已获得数学界包括对AI持怀疑和乐观态度的研究者广泛支持，《自然》杂志也对其过程和结论表示全力支持。 #AI #数学 #莱顿宣言 #科研伦理 #开放科学 #Nature

喝水并不复杂

本周《优化指南》简报中，资深测评人维多利亚·宋指出，关于"最佳补水方案"的争论往往过于复杂化。实际上，人体对水分的需求很简单——只要喝足够的水就能满足日常所需。她强调，普通人也无需迷信电解质饮料或特定温度的"功能水"。大量研究和专家建议均表明，纯净水是最经济、最有效的补水选择。真正的关键在于养成规律饮水的习惯，而非追求神奇的饮品。 #健康 #饮用水 #生活方式 #科普 #简讯

Anthropic 推出 Claude Science，瞄准药物研发领域

本周在“AI for Science”活动上，Anthropic 发布了全新的“科学家 AI 工作台”——Claude Science。该平台将分散的工具和数据集整合至统一环境，并可生成图表和可视化内容。Anthropic 凭借其流行的编程工具和强大的 AI 模型已在行业占据主导地位，此番发布意在利用 AI 潜力“大幅加速科学发现进程和医疗干预手段的开发”。公司还列举了众多已在使用 Claude 的生物技术和制药客户，展示了其在生命科学领域的应用前景。 #Anthropic #ClaudeScience #AIforScience #药物研发 #人工智能 #生物科技 #科技新闻