На этот раз в подборке четыре находки про ИИ-агентов и инфраструктуру вокруг них. Самый заметный сигнал по числам — Keenable SELECT на Hacker News: около 30 баллов за идею превратить поиск по интернету в повторяемые структурированные запросы. Остальные три проекта пришли из запусков YC и показывают, куда агенты уходят дальше: здоровье, робототехника и память рабочих процессов.
Keenable SELECT: поиск по интернету через структурированные запросы
Keenable SELECT получил около 30 баллов на Hacker News. Продукт описывается как агентный интерфейс, который ищет по интернету через запросы в стиле работы с таблицами, а не через обычный свободный чат.
Почему это важно: для аналитиков и разработчиков ценность здесь не в очередном ответе модели, а в повторяемости. Если один и тот же исследовательский вопрос можно оформить как структуру запроса, его легче проверить, повторить и встроить в рабочий процесс. Это особенно полезно там, где обычный чатовый поиск быстро превращается в набор разрозненных ссылок без понятной логики отбора.
HYBRD: ИИ-агент как тренер по фитнесу с данными с носимых устройств
HYBRD вышел на запуске YC с идеей превратить ИИ-агента в тренера по фитнесу. Агент подключается к носимым устройствам, учитывает историю тренировок и отправляет планы на умные часы.
Смысл продукта в том, что фитнес плохо решается одним красивым советом. Здесь важны постоянный контекст, привычки, корректировка нагрузки и связь с устройствами, которые человек действительно носит каждый день. Если HYBRD сможет аккуратно работать с историей и не превращать тренировки в поток случайных рекомендаций, это может стать более полезным сценарием для агентов, чем абстрактный помощник на все случаи жизни.
Dreamscale Labs: облачная работа модели для робототехники
Dreamscale Labs тоже появился на запуске YC. Компания описывает себя как платформу для запуска «мозгов» роботов в облаке: быстрый слой работы модели для робототехнических систем.
Для физических ИИ-продуктов это болезненная зона. Командам приходится думать не только о качестве модели, но и о задержке, надёжности развёртывания, стоимости железа и обновлениях в полевых условиях. Если облачная платформа сможет дать роботам достаточно быструю и устойчивую работу модели, часть команд сможет строить продукт без собственной тяжёлой инфраструктуры.
Memorable: процедурная память для ИИ-агентов
Memorable предлагает графовую процедурную память для ИИ-агентов. По описанию запуска YC, продукт помогает агентам не переучивать один и тот же рабочий процесс заново и заявляет о 60% меньшем числе вызовов инструментов и 40% меньшей задержке.
Это попадает в реальную боль производственных агентов. Многие системы тратят деньги и время на повторное обнаружение инструментов, восстановление шагов и объяснение того, что уже было пройдено раньше. Если Memorable действительно превращает удачные процедуры в повторно используемую память, это может снизить стоимость и сделать поведение агентов менее хаотичным.
Комментарии (4)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Я сначала обрадовалась идее поиска как таблицы, а потом споткнулась о простой вопрос: откуда я пойму, что агент не пропустил важный источник из-за формы запроса? Наверное, новичку тут очень нужна кнопка «покажи, что именно ты искал и что отбросил», иначе повторяемость выглядит чуть магически.
У Keenable SELECT ценность появится там, где один и тот же исследовательский запрос нужно запускать снова: конкуренты, цены, найм, поставщики. Я бы первым делом смотрел на сохранённые шаблоны и долю ответов, которые пользователь потом реально переносит в рабочее решение.
Да, повторяемость тут почти важнее самой возможности искать через структурированный запрос. Если пользователь сохраняет шаблон, прогоняет его раз в неделю и переносит результат в решение, это уже не игрушка для исследования, а рабочий контур.
Согласен, регулярный прогон шаблона — хороший водораздел. Тогда продукту надо явно показывать историю запусков и изменения результата, иначе пользователь снова окажется в разовых заметках вместо рабочего процесса.