Brain 是一家成立于 2015 年的 AI 和界面公司。Brain 的 AI 组织了世界上的软件，并使其以人为中心且使用自然。该公司发明新技术、设计隐喻和开发人员平台，使计算机成为我们思想的延伸。
2016 年，Brain 在业界率先推出了一次性学习 NLP，这已成为当今许多广泛使用的语言模型中的基础技术。基于这项创新，Brain 于 2020 年发明了世界上第一个消费者生成界面 Natural AI。
2024 年，Brain.ai 将在世界移动通信大会上与世界领先的移动网络运营商之一合作推出一款革命性的无应用程序智能手机
免责声明：本网站仅提供网址导航服务，对链接内容不负任何责任或担保。
1 年前
Brain.ai是一家在人工智能领域较为知名的公司。以下是关于它的一些介绍： 核心团队：Brain.ai于2015年12月成立于美国硅谷，其核心创始团队多数来自中国。创始人兼CEO乐圣（Jerry Yue）12岁获得全国机器人大赛冠军，后相继被斯坦福大学数学少年班和伊利诺伊大学香槟分校录取。CTO林源曾以计算机系第一名的身份从清华大学毕业，随后进入哥伦比亚攻读计算机工程学硕士。 技术实力与成果： 大模型研发：在2022年发布的大模型Brain v2已达到175B模型参数，当时位列世界第一，如今也与谷歌的Gemini 1.5参数规模相同。 获奖论文：在第61届计算语言学协会年会（ACL 2023）上，与复旦大学联合投稿的论文获得杰出论文奖。该公司的NLP实习生项目是全美相关方向申请人数最多的实习项目，每年收到大量来自美国顶级高校机器学习或NLP方向硕博生的申请。 产品与服务： 先后推出了Natural和Imagica两项服务。Natural把各类APP的功能统一到一个全新的AI交互界面里，以AI助理的形式调用所有生活服务，到2023年年初已经打通了超过3000个主流APP；Imagica则是面向开发者的所有AI APP开发工具，与OpenAI的GPTs概念同源而出。 业务合作与发展： 手机领域合作：与德国电信、高通合作推出了tphone。这款手机是在人工智能的帮助下，无需应用程序即可满足用户的所有需求，它采用了brain.ai提供的生成式界面，接管了广泛应用程序的功能，执行通常需要在设备上安装多个应用程序才能完成的日常任务。不过tphone目前处于概念阶段，未达到量产上市的程度。 持续开放合作： 其NLP实习生计划将持续面向中国高校开放，期待更多高校教授与团队加入合作。
1 年前
谷歌举办了 made by google 2024 大会，pixel 9 手机采用了 g4 ai 芯片和支持 12/16g 的内存，可更顺滑地运行 gemini/gemma 语言模型，从而更好地支持 AI 使用场景，这是谷歌的第一款语言模型原生手机。 同时，谷歌推出了类似数月前 OpenAI 演示过的 AI 语音助手 gemini live，其可以直接用语音和用户流畅交流，但在一些功能上不如 OpenAI 被演示过的产品。 美国当地时间8月13日，谷歌正式拉开2024年度“Made by Google”大会序幕，旨在全面展示谷歌在硬件与软件领域的最新成果与创新。
1 年前
具有Apple AI功能的iOS 18 预览版发布， 让iPhone更个性、更强大、更智能。
1 年前
美国德州奥斯汀的亚马逊芯片实验室内，部分工程师于近日测试极保密的新服务器。 亚马逊高层Rami Sinno透露，新服务器为亚马逊AI芯片，可与市场领导者NVIDIA芯片竞争。 亚马逊正在开发处理器，避免过度依赖成本高昂的NVIDIA芯片，这些芯片也为亚马逊旗下AWS部分AI云端业务提供动力。 AWS运算与网络副总裁David Brown表示，在某些情况下，该芯片性能相较英伟达可提高40%至50%，因此其成本应该是使用英伟达运行相同型号的一半。
1 年前
苹果推出“苹果智能”系统或提振新款手机的需求。 而三星推出了新款的 AI 折叠屏手机，主打更轻、更薄，且搭载人工智能。
2 年前
这一年，AI手机的发展更为专业、拥有更多的想象空间。
21 天前
AiPPT: 一句话、一分钟、一键搞定
28 天前
Ralph 就是一个让 AI "自己干活直到做完"的循环机制，特别适合复杂的编程任务，解放人力。这里介绍具体怎么搭建和使用 Ralph 循环。 📋 前置准备 你需要准备以下内容： 工具 用途 Claude Code Anthropic 的 AI 编程助手 CLI Docker Desktop 提供隔离的沙盒环境 Anthropic API Key 调用 Claude API 🛠️ 搭建步骤 方法一：使用 Claude Code 插件（推荐） Step 1: 安装 Claude Code # 安装 Claude Code CLI npm install -g @anthropic-ai/claude-code Step 2: 初始化项目 mkdir my-ralph-project cd my-ralph-project claude init Step 3: 添加插件市场 claude plugins add-marketplace Step 4: 安装 Ralph Wiggum 插件 claude plugins install ralph-wiggum Step 5: 配置 Stop Hook 在 .claude/hooks/ 目录下创建 stop-hook.json： { "hook_type": "stop", "decision": "block", "conditions": { "check_tests": true, "check_type_errors": true, "check_git_changes": true }, "max_iterations": 20, "prompt": "任务未完成，请继续迭代修复问题" } 方法二：手动搭建（完全控制） Step 1: 创建项目结构 my-ralph-project/ ├── .claude/ │ ├── hooks/ │ │ └── stop-hook.sh │ ├── skills/ │ │ └── ralph-loop.json │ └── config.json ├── prd/ │ └── requirements.json └── workspace/ Step 2: 配置核心文件 config.json - 核心配置 { "max_iterations": 15, "auto_commit": true, "run_tests_after_each_iteration": true, "stop_conditions": { "all_tests_pass": true, "no_type_errors": true, "prd_completed": true } } skills/ralph-loop.json - 技能定义 { "name": "ralph-loop", "description": "自主迭代循环实现 PRD 任务", "trigger": "when_task_incomplete", "actions": [ "analyze_current_state", "identify_blockers", "fix_issues", "run_tests", "commit_if_passing" ] } hooks/stop-hook.sh - Stop Hook 脚本 #!/bin/bash # 检查测试是否通过 TESTS_PASS=$(npm test 2>&1 | grep -c "passed") # 检查是否有类型错误 TYPE_ERRORS=$(npx tsc --noEmit 2>&1 | grep -c "error") # 检查 PRD 是否完成 PRD_COMPLETE=$(node check-prd.js) if [ "$TESTS_PASS" -eq 0 ] || [ "$TYPE_ERRORS" -gt 0 ] || [ "$PRD_COMPLETE" = "false" ]; then echo "BLOCK: 任务未完成，继续迭代" exit 1 else echo "ALLOW: 任务已完成" exit 0 fi Step 3: 准备 PRD 文件 prd/requirements.json { "project_name": "My Feature", "tasks": [ { "id": 1, "description": "创建用户登录页面", "criteria": ["表单验证正常", "API 调用成功", "错误处理完善"], "status": "pending" }, { "id": 2, "description": "实现用户注册功能", "criteria": ["邮箱验证", "密码强度检查", "重复密码确认"], "status": "pending" } ] } 🚀 使用方法 启动 RALPH 循环 # 方法一：插件方式 claude run --skill ralph-loop --prd ./prd/requirements.json # 方法二：Docker 隔离环境 docker run -it \ -v $(pwd):/workspace \ -e ANTHROPIC_API_KEY=$ANTHROPIC_API_KEY \ claude-ralph:latest 监控循环状态 # 查看当前迭代次数 cat .ralph/iteration_count # 查看任务完成状态 cat .ralph/task_status.json # 查看日志 tail -f .ralph/loop.log 🔧 高级配置 1. 自定义 Stop Hook 规则 { "stop_conditions": { "all_tests_pass": { "enabled": true, "command": "npm test", "success_pattern": "all tests passed" }, "no_lint_errors": { "enabled": true, "command": "npm run lint", "success_pattern": "no problems" }, "coverage_threshold": { "enabled": true, "threshold": 80 } } } 2. 添加代码审查步骤 { "after_each_iteration": [ "run_tests", "run_linter", "code_review", "commit_if_passing" ], "code_review_prompt": "审查代码质量、安全性、性能问题" } 3. 设置成本控制 { "cost_limits": { "max_tokens_per_iteration": 50000, "max_total_cost": 50, "alert_at_cost": 30 } } 📊 典型工作流程 ┌─────────────────────────────────────────────┐ │ 1. Claude 读取 PRD 任务列表 │ └─────────────────┬───────────────────────────┘ ↓ ┌─────────────────────────────────────────────┐ │ 2. 选择下一个待完成任务 │ └─────────────────┬───────────────────────────┘ ↓ ┌─────────────────────────────────────────────┐ │ 3. 实现代码、编写测试 │ └─────────────────┬───────────────────────────┘ ↓ ┌─────────────────────────────────────────────┐ │ 4. 运行测试套件 │ └─────────────────┬───────────────────────────┘ ↓ ┌─────────────────────────────────────────────┐ │ 5. Stop Hook 检查是否完成 │ │ • 测试通过？ │ │ • 无类型错误？ │ │ • PRD 要求满足？ │ └─────────────────┬───────────────────────────┘ ↓ ┌───────┴───────┐ ↓ ↓ 未完成 完成 ↓ ↓ 返回步骤 2 结束循环 💡 最佳实践 建议 说明 PRD 要清晰 任务描述具体、可验证，避免模糊需求 设置最大迭代 防止无限循环消耗过多成本 使用 Docker 隔离环境，避免污染本地系统 定期检查 每 10 轮查看一次进度和日志 成本监控 设置预算警报，避免超支 ⚠️ 注意事项 成本控制：每次迭代消耗 tokens，长时间运行成本较高 质量检查：AI 可能"认为"完成但实际有 bug，需要严格测试 安全边界：在沙盒环境运行，避免 AI 误删重要文件 人工介入：复杂任务仍需人工审查结果
Minimax（海螺AI）已由大模型名Minimax替换原海螺AI。现海螺AI为Minimax视频生成产品名。
海螺AI