Liminary

嗨，Product Hunt 👋，我是Sarah，Liminary的创始人。

我负责Dropbox的机器学习工程。语义搜索、检索以及Dropbox首次实现生成式AI集成。我建Liminary是出于个人挫败感：存储是档案。我无法把文章、会议记录和有用的AI对话都保存在一个地方，而且更糟的是，我再也看不到这些内容了。沉浸在关闭的标签页、各种笔记应用、邮件和AI聊天中。

人工智能工具的普及不仅没有改善，反而让情况更糟。每一个新模型都需要重新评比、重新设计工作流程、重新输入上下文。作为一名组装者，我认为用户应该选择最适合该工作的型号，而不是追着本周发货的型号。

但在这两者之下还有一个更深层的问题：你使用的每一个AI工具都是基于模型认为相关的内容。我是在网上训练的，凭你的情境猜测。重要的不是你决定了什么。这就是差距。

我们Liminary的团队成员全是Dropbox和Google的前成员。我们构建了Liminary，就是为了弥合这个空白：你AI工作的内存层。你决定放什么：文件、网页、YouTube视频、大型语言模型文字稿、Gmail线程。

你的AI就是基于这个机制运作的。永远如此。

你工作的表面上有Liminary生命：浏览器扩展、Google Docs中的写作助手、会议层，以及你拯救的一切活着并连接的地方。

Liminary 做了三件事，其他工具都做不到：

主动召回。

正确的知识在工作时显现。你不去寻找。它会找到你。

上下文事实核查和差距检测。

当你在 Google 文档中写作时，Liminary 会验证你自己的资料库的主张，找出你已经做的研究或客户已分享的信息中缺失的内容。不是网络，不是训练数据。

召回会议，直播。

房间里没有机器人。当有人说“地图计划”时，你的笔记已经写着“与爱丽丝和鲍勃一起的地图计划[来源]”。其他会议工具则做笔记。Liminary 将所说的内容与你已知的一切联系起来。

为那些以自身视角为定价的人而建：独立顾问、分时负责人、风险投资分析师和战略师。在一个大家都用同样模型的世界里，你的优势就是这些模型的根基。

工作内容是这样的：你为一小部分客户、客户、公司或你反复思考的话题保持环境语境。你去研究它们。你会见到他们。你会对他们产生交付物。Liminary 将三者联系起来，所以研究、会议和写作都基于相同的知识。

你最希望你的AI记住的哪一条背景信息？

早期阶段。欢迎诚实反馈：

liminary.io

~ 莎拉与Liminary团队