我自己的本地优先AI工具集
摘要
作者构建了TinyHarness,这是一个低内存占用的AI工具集,兼容Ollama、Llama.cpp和vllm,旨在与pi和opencode等工具竞争。
嗨,我只是想分享一下最近几周我在玩的东西。我构建了自己的AI工具集:[TinyHarness](https://github.com/PTFOPlayer/TinyHarness) 我的主要目标是低内存占用,它不是用Typescript/Javascript/Python编写的,尽可能多地保留内存用于运行本地模型。它兼容Ollama、Llama.cpp和vllm,并可以通过Ollama网络搜索API访问网络。未来的目标是成为像pi和opencode这样的工具的竞争者。请随意批评,我需要每一份批评来改进它。
相似文章
@AlphaSignalAI: https://x.com/AlphaSignalAI/status/2074130508833845396
自我改进的机制使AI代理能够通过分析执行轨迹自主重写其运行规则,从而实现60%的性能提升。来自上海AI实验室的研究引入了Self-Harness框架,使得轻量级模型能够在无需人工工程的情况下超越更大规模的模型。
@sethkarten: https://x.com/sethkarten/status/2072034978112889328
Continual Harness 是一种无需重置、自我改进的智能体框架,通过存储记忆、复用技能和优化提示,在 ARC-AGI-3 上以 774 美元的成本达到了 20.54% 的准确率,以更高的效率超越了 Hermes 和 OpenClaw 等先前基准。
这就是我们需要本地模型和开源工具的原因
本文论证了本地模型和开源工具在AI开发中的重要性。
@_vmlops:这是互联网上学习 harness engineering 的最佳网站 https://walkinglabs.github.io/learn-harness-engineer…
一门全面的课程,教授面向 AI 编程 agent 的 harness engineering,涵盖环境设计、状态管理和验证,使 Codex 和 Claude Code 等 agentic 编程工具更加可靠。
工具对决:Claude Code vs OpenCode vs Pi 搭配 DeepSeek V4 Flash
一篇对比文章,将AI编码工具Claude Code、OpenCode和Pi与DeepSeek V4 Flash进行较量。