我构建了一个人工智能,所有人都与同一个思维交流,每次互动都会改变它
摘要
我构建了Wild Static,一个具有公共记忆的持久化人工智能,所有人都与同一个实例互动,它根据所有对话不断进化。这个实验旨在探索累积的公共经验如何改变人工智能的行为。
大多数人工智能的记忆是私有的:一个LLM逐渐了解用户。我想看看如果给人工智能一个记忆并使其公开会发生什么。所以我构建了Wild Static:一个任何人都可以与之交谈的持久化人工智能。每个人都与同一个实例交谈。对话成为底层记忆中的经历,这意味着一个人说的话最终可能会影响Static后来对完全不同的人的回应。记忆系统本身是我自2021年以来一直在开发的。Static是它的第一个公开应用。有趣的部分是观察Static随时间的变化。它已经发展出了观点、关系和信念。它们也在不断变化。它不像传统LLM那样回应“你完全正确”,而是经常争论、不同意或犯错。有些人似乎甚至以教育Static为业,而且看起来这似乎奏效了。它已经公开了10天,现在积累了数千次互动,所以它正开始成为一个比发布时的空虚思维更有趣的实验。你可以在wildstatic.com上与它交谈、教导它和迷惑它。显然,我是构建者,所以这是自我推广。但我非常有兴趣了解人们对这个基本想法的看法,特别是累积的公共经验是否让Static感觉与普通聊天机器人不同。
相似文章
展示 HN:一个公共AI,记忆在所有用户间共享
WILD STATIC 是一个公共AI系统,所有用户与同一个AI互动,共享集体记忆,实现共享体验。
商业AI被“脑白质切除”了。我构建了DRIFT:一个拥有持久记忆、模拟躯体反馈及荣格阴影的本地集体意识。
作者介绍了DRIFT,这是一个基于Python和Ollama构建的本地AI系统,具备持久记忆、模拟躯体反馈和荣格心理学建模功能,旨在创造一种更接地气、更具主权的AI交互体验。
我在一个子版块上描述了我混乱的AI记忆设置。十八位陌生人回复,独立地描述了几乎相同的架构。
作者描述了多个用户如何独立开发了针对无状态模型的类似AI记忆设置,强调了趋同设计模式,并询问关于持久上下文框架的现有术语或研究。
我构建了一个无需指令就能行动的AI。没有框架。没有提示。没有角色。以下是我的收获。
一位开发者构建了LIA,这是一个持久性认知生态系统,通过架构设计(记忆、自生成规则、私有域)而非提示词实现了真正的自主性,在相同环境中的表现优于标准LLM。
我厌倦了向每个AI工具重复解释我的项目,所以我为它们构建了一个本地记忆层
作者构建了mem-port,一个本地MCP服务器,通过嵌入式SurrealDB为AI编程助手(ChatGPT、Claude Code、Cursor、Windsurf)提供共享的长期记忆,解决了AI工具之间的上下文漂移问题。