最新资讯
www.infoq.com Edera 推出 Object Capability Bounded Authority,试图将凭证与 AI Agent 工作负载隔离 wechat 这波杀疯了!旗舰级模型不限量、1个月视频额度免费领 dev.to 如何在专用 GPU 服务器上用 OpenAI 兼容 API 部署 LLM dev.to 审计 153 份 Claude Code 与 Codex 会话记录:User-Agent 与 URL 中的邮箱泄露 dev.to 你的 Agent Harness 应具备的 17 项能力 dev.to 离线 AI 记忆中 0.8 余弦阈值为何失效 dev.to Kimi K3.1 Pro 开放权重:自托管 2.8T 模型前的开发者清单 dev.to 如何通过工具调用引导模型以提升 Harness 质量 dev.to AI Agent 审计轨迹不等于对话记录 dev.to 精简 MCP server 工具数量:更少工具、更小影响面,双重收益 dev.to 为什么 git checkout 无法撤销 AI 编码 agent 的改动? wechat AI短剧门槛降降降!实测即梦短剧工作室:剧本分镜预演一条龙,伙伴计划长期护航
多元动态
登录 注册
智能体 x.com · @Aravind Srinivas (@AravSrinivas)

Perplexity 为 Agent 构建 Git forge:每个 Project 即一个 Git 仓库

原文 我的收藏

Perplexity CEO Aravind Srinivas 介绍 Perplexity Projects 背后的文件系统:每个 Project 是一个 Git 仓库,团队为 agent 构建了无需人工审批的 Git forge,每个 agent 拥有短生命周期沙箱并向 S3 上的共享仓库提交,称提交冲突率低于 2%。agent 使用 ls 和 grep 进行检索,在金融文档分析任务上以 63% 对 37% 的答案准确率优于语义搜索。相关细节见 Perplexity 官方博客。

AI推荐理由 Perplexity CEO 披露其 Projects 的底层实现:每个 Project 是一个 Git repo,为 agent 构建了无人工审批的 Git forge,每个 agent 使用短生命周期沙箱并向 S3 上的共享仓库提交,称提交冲突率低于 2%;agent 用 ls/grep 检索,在金融文档分析上以 63% vs 37% 的答案准确率优于语义搜索。这些是具体架构与对比数据,对 agent 记忆/文件系统设计有参考价值;但数据来自官方自述、无第三方验证,且未说明评测口径与样本,需保留不确定性。

78 浏览 34,054 点赞 458 评论 75 转发 39

正文

Every Perplexity Project is a Git repo. We built a Git forge for agents, without the GitHub bloat, since no human has to approve anything. Each agent gets its own short-lived sandbox and commits to a shared repo on S3. Fewer than 2% of submissions collide. Agents search with plain `ls` and `grep`. That beats semantic search 63% vs 37% on answer accuracy for financial document analysis.

来源报道 · 1 篇 · 以下链接均前往原始媒体

Aravind Srinivas (@AravSrinivas) Perplexity 为 Agent 构建 Git forge:每个 Project 即一个 Git 仓库 10-13 · 原文发布
← 返回精选动态 原文

更多内容