mindx

一小时手搓轻量级可代替 Qdrant 的向量数据库前两天我直在优化goRAG那个项目，当我想RAG寻找一个存储方案时，我傻眼了：所以我只能妥协，现在只能让goRAG同时支持各个主流的向量数据库，要用起来还得靠Docker，实在太不优雅了！

彻底治愈AI“失忆”和胡说八道的真正办法这几天我一直在用我在《AI基于Spec开发是巨坑？》所说的方法来继续MindX2的开发。虽然，在用前文中所提到的方法尽量去抑制AI胡说八道，但感觉还是治标不治本。AI总是时不时就开始任性独断，顺口胡诌。

AI基于Spec开发是巨坑？我这几天在用国内号称全球理解力第一的大模型做MindX下一代设计，我是出于对这个大模型的公司有很强烈的信心毕竟是体量又大实力又强嘛，而且在LLM界也是贡献颇多，作为中国人当然得支持一下，1个小时后时我开始截屏：

被低估的量化版模型，小身材也能干大事好几天没有更新文章了，有些朋友关注这MindX项目的朋友都在问我这项目是不是停了？其实代码是一直天天更新的，但这几天一直在找人探讨->思考->重构这样的高速循环中。由其是这几天一直都是集中在对【本地量化模型的控制让其变得更能干更省钱】与【如何充分发挥云端模型能力让MindX变得更像人更聪明】这两个方向上。前者取得了一些阶段性的成果也得到了一些非常值得分享的经验，而后者就比较长篇大论了暂时不打算放到今天的文中，不过我会在后续的文章中用比较容易让人理解的方式来介绍一下的。

概念设计在AI时代的重要性：我是这样设计仿生大脑的这个马年我是在疯狂的设计与编码中度过的，我一点都不觉得疲累反倒是有一种极为畅快淋漓之感。作为一名技术人员最痛苦的不过于被“打断思路”，无论是在设计还是在写代码。这种情况在做设计的时候是尤为突出的，每次有好点子想去验证如果手下有点人可以指挥一下还可以让别人去试试，没有又或者找不到适合的人就得自己上，有时候尝试可行性搞着搞着就跑偏，完全忘记了为什么要做这个事。

Opus现实打脸GLM5“教课书“式架构本人不是标题党因此先上图，心急的朋友可以直接看截屏中的总结部分：故事是这样的，我在写完昨天的《顶极模型大比拼，到底谁才是真正的编程之王？》一文后就说过一定要与Opus结对试试这个大模型在编程上的实力是不是与它做评测时说得那牛X，毕竟Opus对MindX给出的评测报告非常的忠恳，其实吧昨天没好意思将它对MindX评测的具体内容贴出来，是因为评分实在是太低了。Seed2.0, GLM5, Gemini 给出的都是8分(10分满）以上的高分只有Opus给出的分数根本就不及格，所以昨晚我就和Opus结对从晚上8

EvoMap 硬刚 OpenClaw！从基因胶囊到仿生大脑，AI 的尽头果然是生物学这里还要从最近Evolver插件从ClawHub（OpenClaw生态平台）爆红到遭下架、勒索说起，从这个事件中我解读到其背后更深层的逻辑，以及被EvoMap的发展路径给我带来对AI应用发展的一种深思。

我是有底线的