TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #81 · 6.10

Делали в кладовой ремонт, из-за этого немного поменялось местоположение базы робота-пылесоса. Обычной функции "задать точку новой базы на карте" в приложении нет. Робот после включения отображал сам себя в старой точке. Я в режиме ручного управления привёл его в нужную комнату (так и знал, что годы обучения поездкам на радиоуправляемой машинке не зря!). Так вот он мне, пока ехал, стал лидаром рисовать новую квартиру поверх старой со смещением. Тогда я нагуглил алгоритм обновления базы, он довольно забавный: 1. Привести робота в комнату, которую он знает, и дать ему убрать. Тогда он себя верно определит в этой комнате (кстати круто работает, неужели по форме стен и стоящих у стен предметов?) 2. Привести его в точку новой базы вручную или с помощью команды "ехать в заданную точку на карте". Он не знает пока ещё, что там база, но положение своё уже понимает. 3. Отправить его на базу. Он поедет в точку старой базы, где она когда-то была. И начнёт её искать, очень мило выглядит :) 4. Не найдя базу, станет спрашивать по своим датчикам, а где же всё-таки база, и, наконец, увидит новую и поедет к ней. Профит. Малютка-робот нашёл свой дом. #gadgets

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #superagent

当前筛选 #superagent清除筛选
GitHub Trends

@githubtrending · Post #15523 · 25.02.2026 г., 12:30

#typescript#agent#agentic#agentic_framework#agentic_workflow#ai#ai_agents#bytedance#deep_research#harness#langchain#langgraph#langmanus#llm#multi_agent#nodejs#podcast#python#superagent#typescript DeerFlow 2.0 is an open-source super agent harness that orchestrates multiple sub-agents, memory systems, and sandboxed execution environments to accomplish complex tasks. Built on LangGraph and LangChain, it combines research, coding, and content creation capabilities with extensible skills and tools. The platform features isolated Docker containers for safe execution, long-term memory that learns your preferences, and the ability to spawn sub-agents that work in parallel on different task angles. You benefit from dramatically reduced research and automation time—tasks that typically take hours complete in minutes—while maintaining full transparency and control over agent decisions through human-in-the-loop collaboration. Whether you need deep research reports, data analysis, slide decks, or custom workflows, DeerFlow handles multi-step complexity without requiring extensive coding knowledge. https://github.com/bytedance/deer-flow