嘿 HN，我们是 Shalin 和 Kanyes，十多年的好朋友，一直在一起编程，现在是 Hyper 的创始人（https://heyhyper.ai/）。Hyper 是一个共享的“公司大脑”，可以接入公司内流动的信息，以提升 AI 代理和自动化的效率，最终节省人们的时间。模型已经足够好，能够（大部分情况下）处理长期复杂的任务。我们相信现在的瓶颈是这些足够聪明的模型往往缺乏关于你公司的信息，而这些信息散落在人的头脑中、Slack 线程、陈旧文档以及与 AI 的来回对话中。MCP 对于在一个代理面前呈现信息很有用，但存在一些问题：（1）一旦会话结束，洞察也随之消失，因此每次都要告诉代理去挖掘 Drive 中的信息，而不是每次都复制粘贴整份文档——这并没有什么实质性收益；（2）即使 MCP 工作时，它所收集的信息也并不全面，因为人们在白板上做决定，口头上头脑风暴，在 Slack 上发布一些信息，剩下的信息则草草写在文档中，这导致代理只能基于部分信息进行工作；（3）即使它拥有所有信息，它也无法进行出色工作的元推理。如果你粘贴一个 Notion 文档，除非你告诉它，否则它不会学习你的设计品味或写作风格，也不知道为什么做出某个决定或何时做出的。五年前我们作为本科生，沉迷于思维工具，我们成为了 Notion、Obsidian、Roam 和 Anki 的重度用户，真心相信构建第二大脑的重要性。在 GPT-3.5 发布后，我们开始意识到如果 AI 能真正理解我们的第二大脑，它将变得多么强大，因为它突然会知道我们的背景故事、口味、偏好，释放出真正的新能力。这就是我们创造 Hyper 的原因。我们知道这并不适合所有人！但对于希望处于最前沿的人来说，这是一个提升工具，使代理更快、更好。它增加了他们可以完成的任务数量，以及完成任务的有效性。Hyper 通过摄取你赋予它访问权限的所有内容——文档、Slack、电子邮件、日历、Granola，并将其综合成包含事实和关系的知识图谱，配备用于语义搜索的嵌入。我们构建的记忆系统是混合型的，具有两种模式。事件是保留的原始信息项，是事实的真实来源。事实是从每个事件中提取的意义，作为主题-谓词-宾语记录存储，附带简明总结和时间戳，以显示事实是何时引入及无效的（主题=人，谓词=工作于，公司）。事实形成一个图，彼此之间有类型化的边：X 与 Y 存在张力，A 来源于 B，J 取代 K。每次新事实引入时，我们会更新其邻域中的事实，使图保持最新，这就是我们处理过时信息的方式。当“我们将在周五发货”后来被“我们将在周一发货”相 contradicted 时，新事实会取代旧事实，而不是让两个事实看起来同样真实，而且我们从不自动丢弃替代版本，这样你仍然可以询问为什么会选择周一。每个事实都有来源的追踪记录和可见性控制标签，指明谁可以查看。当检索时，我们进行查询扩展，然后结合嵌入的语义搜索和 PostgreSQL 的全文搜索，使用互惠排序融合，我们只对该人可以访问的事实和事件进行查询，这意味着同一团队的两个人可以问同一个问题却得到不同的答案。我们通过在存在 webhook 的地方保持信息的新鲜性，而在没有 webhook 的地方进行轮询，哈希内容以捕捉未处理原生去重的变化。代理通过两条路径进行读写：在 Claude Code、Cowork、Codex 和 Cursor 等工具中的生命周期挂钩，在每个提示中注入相关上下文，从每个响应中提取有趣的事实，以及对于不暴露挂钩的所有内容的普通 MCP 工具调用。我们热爱这个！我们的早期用户也同样热爱：一位 CEO 使用 Hyper 在他的声音中草拟电子邮件，充分考虑公司整体背景。原本每周花费数小时的事情，现在只需几分钟，每次 Hyper 学习到更多关于他思考方式和他公司的变化时，效果越来越好。一位 YC 创始人在 Hyper 已经了解他们的产品、声音和定位的基础上，完成了一个发布视频脚本。我们提供三天的免费试用，更多信息请见我们的定价页面（https://heyhyper.ai/pricing），在我们的 FAQ（https://heyhyper.ai/faq）中还有更多细节，包括隐私、合规以及我们与其他“记忆”公司的不同之处。来试试吧！搞坏它吧！告诉我们哪里做得不够好： https://heyhyper.ai/。我们期待为您构建一个五星级的体验 :) 欢迎评论！