뉴스 및 전체 검색
뉴스, 도구, 모델, 가이드, 주제, 워크플로, 프롬프트를 함께 검색합니다.
뉴스 기사 8
“Slack”
Show HN: Open-source customer-facing agents
Hi, Dmitri from Radioso here, an open-source platform to design AI agents for customers and visitors in any channel, in the style of Fin/Ada/Decagon. The repo is https://github.com/radioso-ai/radioso and our website is https://radioso.aiToday, your choices are:1. Buy a very expensive service for your vertical (usually starting with $$ five figures monthly) 2. Get a cheap off-the-shelf chatbot that mostly answers FAQs 3. Build your own, and then also build the inbox, human handoff, audit trail and integrations around itAt Radioso we wanted an open-source option that combines the best of all 3. You can integrate it with your own software via API/SDK or your CRM, or run it standalone, either self-hosted or in our cloud.The engine runs multi-step interactions and takes actions: calling your APIs, updating records, booking things. Maybe you’ve tried Parlant; Radioso is the alternative “with batteries included”: RAG, audit trail, customer service inbox, and integrations like Slack and email.Under the hood it’s plain TypeScript + PostgreSQL, works with OpenAI/Anthropic/other models, and is licensed under Apache 2.0 which includes all features (The only thing we keep under EE license is the multi-tenant layer we use to run our own cloud).We have existing customers running it for technical Q&A, course booking, online product recommendations and goods returns, among others, some reaching 92% of conversations automated. We’re currently working on voice support so we can offer a call center.Our ambition is to be “the WordPress of customer-facing AI” :), where people can contribute their favorite plugins and benefit from the ecosystem.Longer term, we think browsing the web will mostly mean talking to your own agent, and when you need a service or a purchase, your agent will talk to the vendor’s agent to get things done. For this, Radioso already publishes an A2A Agent Card and we’re working on the rest. Your Radioso services are also callable over MCP, for customers who already use it.Thanks for your attention. We’d especially love to hear which integrations you’d want, whether you’d self-host it, and what’s stopped you from deploying a customer-facing AI agent so far. Tell us what you think. Comments URL: https://news.ycombinator.com/item?id=50423820 Points: 1 # Comments: 0
Send contracts for e-signature from n8n, with TurboDocx, Slack approval and SharePoint filing
This Verified Node Spotlight is a guest post written by Nicolas Fry, CEO of TurboDocx.The deal is closed and the contract is ready. It's been sitting in someone's inbox for three days, waiting for an "OK, send it." Once it's finally
@GitHub in Slack 및 Teams는 일반 제공 중이며 더 많은 기능을 제공합니다
Slack과 Teams에서 @GitHub로 대화를 코드로 전환하세요! 버그를 조사하고, 이슈를 생성하며, 변경 사항을 구현하고, 풀 리퀘스트를 열 수 있습니다—모두 대화창을 떠나지 않고 가능합니다. 새로운 기능: 함께 빌드하고 검토하세요… 글 '@GitHub in Slack and Teams 일반 출시 및 추가 정보'는 GitHub 블로그에 처음 게시되었습니다.
Physics-Informed Identification of Tensegrity Prestress across Taut-Slack Transitions
arXiv:2611.04007v1 Announce Type: new Abstract: Prestress governs the stability, stiffness, and dynamic behavior of tensegrity structures, but it is not directly observable from sparse structural measurements, and it may decrease during service life. Under strong excitation, the cables may slacken and the dynamics become nonsmooth. Existing identification methods are limited to the taut regime, and physics-informed networks for tensegrities solve only the forward problem of predicting the response from known member parameters. This study formulates the inverse problem. Neural networks are trained on the equation-of-motion residual in constrained Cartesian coordinates, where the mass matrix is constant and the force densities enter linearly. The force densities, damping, and axial stiffness are trainable parameters, and the tension-only cable law is kept. A Fisher-information analysis shows, before inversion, which member parameters a record can determine. The method is tested on simulated planar tensegrity frames with up to five modules and a three-dimensional prism, and on measured records of a biomimetic leg and a full-scale tensegrity simplex. On the one-module frame, the identifiable force densities are recovered within 1.5% from noisy accelerations at half the free coordinates, on records with and without taut-slack transitions. Records with transitions determine members that taut records leave undetermined. On the five-module frame, a 16-cable two-span bridge, the median force-density error rises moderately, to 4.2%. On measured records, an identified spring stiffness is within 0.1% of its independently measured value on average, and the identified simplex prestress at 13 levels agrees with its cable force transducers to 2.9% root-mean-square.
Why most of your dbt models aren't in a hurry, and what that's worth in Snowflake credits
Most models in a dbt DAG aren't on the critical path. Espresso AI and Authentic Insurance on turning that slack into real savings.
우리가 디자인 에이전트를 어떻게 구축했는지
LangChain이 Slack에서 브랜드에 맞는 동영상, 그래픽 및 프레젠테이션을 제작하는 오픈소스 디자인 에이전트인 Content Studio와 이를 구동하는 하네스를 어떻게 구축했는지.
Manus가 방금 조용히 자신의 2.0 선언을 발표했습니다
10월 26일, Manus의 공동창업자이자 제품 파트너인 장타오(온라인 닉네임 HideCloud)는 최근 자신의 공식 계정 ‘잠운사유’에 ‘Manus로 Manus를 개조하다’라는 제목의 장문을 게시했다. 글의 서두에는 그에게 깊은 인상을 남긴 한 장면이 등장한다. 그는 엔지니어에게 몇 가지 요구사항과 버그를 전달한 뒤 잠시 후 진행 상황을 확인하니, 상대방의 컴퓨터에는 Codex와 Manus의 세션이 줄지어 열려 있었다. 무작위로 하나를 클릭해 보니, 입력된 내용은 바로 그가 방금 Slack에서 올린 요구사항 원문 그대로였고, 단 한 글자도 수정되지 않았다. 더욱 놀라운 점은, 해당 엔지니어가 당시 동시에 십여 개에서 이십여 개의 요구사항을 처리하고 있었다는 사실이다. 오늘날 Manus에서는 이러한 상황이 이미 일상이 되었다. 이 글은 정보량이 매우 많으며, 특히 기억해둘 만한 몇 가지 사항이 있다. Manus 내부에는 ‘Manus-mono’라는 통합 코드 입구가 마련되어 있고, AI가 이해할 수 있도록 작성된 설명서까지 함께 제공되어 있어, AI가 리포지토리 간의 전체적인 흐름을 파악할 수 있게 된다. 하나의 요구사항만으로도 한 사람이 모든 플랫폼의 구현을 완료할 수 있다. 모바일팀은 항상 단 7명으로 구성되어 있으며, 동시에 두 개의 제품과 네 개의 앱을 담당하고 있는데, 진행 상황은 웹버전과 거의 동기화된다. 모든 제품 매니저들이 Manus에 코드를 제출했고, 그중 약 절반은 스스로 요구사항을 완전히 개발해 서비스에 적용하기도 한다. 일부 매니저가 제출한 요구사항은 문서에서 벗어나 이미 영상으로 구현되기도 한다. 마케팅팀에는 ‘디지털 동료’가 생겨, 스스로 업무를 배치하고 프로젝트 진행 상황을 적극적으로 알리며, 팀 간 협업을 통해 기능 세부사항까지 명확히 파악하는 역할을 수행한다. 9월에는 회사의 AI 관련 지출이 1인당 평균 1만 달러를 넘어섰고, 소수의 인원은 한 달에 7~8만 달러를 사용하기도 했다. 장타오는 이에 대해 별도의 섹션을 할애해 외부의 의혹에 답했다. 글이 발표된 시점 또한 매우 미묘하다. 9월 말에는 Manus가 2.0 버전과 개인형 인공지능 애플리케이션 Cue를 출시했고, 10월 초에는 모회사인 ‘나비효과’가 5억 달러가 넘는 신규 투자 유치를 완료하며, 동시에 베이징에서 17개의 채용 공고를 내놓았다. 이러한 시점에서 볼 때, 이 글은 오히려 Manus 팀이 2.0 시대에 진입했음을 알리는 선언과도 같다. 여기서는 조직이 AI를 어떻게 활용해 발전해 나가는지를 다루고 있지만, 그 이면에는 이 회사의 제품 방향, 비용 체계, 그리고 인재 채용 기준까지 드러나 있다. 01 Manus 자체가 바로 2.0의 모델룸이다. 만약 당신이 글 속의 내부 실천 사례들과 Manus 2.0의 기능 목록을 비교해 본다면
LangChain이 ‘기업급 에이전트 프레임워크’의 다섯 가지 핵심 구성 요소를 발표했습니다.
LangChain은 2026년 10월 25일 블로그를 통해, 마케팅, 영업 및 엔지니어링 팀 내부에 AI 에이전트(GTM Agent, OpenSWE, Content Studio)를 도입하며 축적한 다섯 가지 일반적인 아키텍처 원칙을 체계적으로 설명했습니다. 이 원칙에는 네이티브 통합 작업 환경(Slack), 동적 신원 모델(OBO+ 고정 인증 정보), 이중 계층 메모리 메커니즘(전역/사용자 수준), 샌드박스화된 코드 실행, 그리고 높은 비율의 스케줄 기반 실행(수동 트리거 아님)이 포함됩니다. 모든 에이전트는 Managed Deep Agents 플랫폼을 기반으로 구축되었습니다.