Logseq 获 410万美元融资!加速开源神经元知识管理系统增长,构建新世界双链知识图谱

简介: Logseq 获 410万美元融资!加速开源神经元知识管理系统增长,构建新世界双链知识图谱

5 月 5 日,Logseq 官方博客发文正式宣布了“Logseq 获得 410 万美元首轮融资”的消息 —— We're proud to announce our first $4.1M seed round ,引发业内关注。

网络异常,图片无法展示
|

据悉,此次融资由 Stripe 首席执行官 Patrick Collison、GitHub 前首席执行官 Nat Friedman、Shopify 创始人 Tobias Lütke、A16Z 总经理 Sriram Krishnan,以及 Craft Ventures、Matrix Partners、Day One Ventures、Expo/Quora 创始人 Charlie Cheever ,还有 outliners、 网络日志、RSS、播客、scripting 先驱 Dave Winer,乃至 Logseq 贡献者和社区成员共同参与。这笔资金将用于雇佣顶尖人才,加倍投入产品开发。

Logseq :打造新世界“维基百科”

Logseq 是一款以隐私为中心的开源知识管理系统,可以像大脑一样通过节点图来存储数据,开发者、学者及研究团队依靠 Logseq 来捕获和合成大量复杂数据,并将其转换为可消化的格式。如今,来自 Roam、Obsidian 以及 Google Docs、Concept 等网站的用户都纷纷开始使用 Logseq。

Logseq 平台对大型人工智能任务来说可谓一个快速驱动的楔子。Logseq 所构建的一个“全球共享大脑”,相互连接地存储数据,允许任何人用自然语言进行查询,并接收与上下文相关的答案。

Logseq 提供了极佳的安全隐私保护,它首先是本地的,可将信息存储在用户本地设备上的 Markdown text files 文件中,这样的话用户会一直拥有自己的信息。由于 Logseq 构建在 Markdown 和 Org 模式之上,因此它还可以与其他平台进行互操作,并集成了渲染和编辑功能。

Logseq 的出现,对基于 Skuomorphic 设计的知识管理系统(模拟用于存储物理文件、文件和文件夹的系统)来说是一种挑战。一般而言,人类不会在页面和文件夹中线性思考,而是将相互关联的概念非线性地联系在一起。Logseq 就好在通过捕捉这种非线性思维,来创建直观且相互关联的数据,从而允许用户释放其最大潜力。

作为一家成立不到一年的初创公司,Logseq 已经成长为一个由数百名开源贡献者组成的蓬勃发展的开发者社区,目前 Logseq 的月度用户群正以每月 20% 的速度增长,且社区每天有数千名活跃用户使用 Discord。

这些活跃的贡献者,是 Logseq 能够以超乎寻常的速度进行社区审查、数百个社区创建的扩展、插件和贡献的关键。仅在过去三个月内,Logseq 就拥有了 81 个社区创建的插件,这些插件来自日历、NLP 应用程序、Readwise 集成等。Logseq 已被 Google Brain、IDEO、Facebook、特斯拉、麻省理工、斯坦福、哈佛等地的用户采用。

Logseq 最初是 Tienson Qin(@秦天生)开发的一个开源项目,旨在为他建立一个更高效的工具来管理自己的生产力,同时也是一个让孩子们更直观地学习的程序。正是通过 Logseq 开源社区,秦与联合创始人 Mogujie、Hoolay.cn 共同建立了联系。

作为 Logseq 的联合创始人兼首席执行官,Tienson Qin(@秦天生)表示,“我们的开源社区是 Logseq 的基础。这不仅是我们遍布全球的创始团队第一次走到一起的方式,也是我们将如何定义 Logseq 路线图的一个组成部分,我们将朝着我们的长期愿景努力,与社区一起建设,为社区服务。”

作为此次 Logseq 投资者之一的 GitHub 前首席执行官 Nat Friedman 表示:“我每天都在使用 Logseq,就像上传你大脑的一部分。团队和产品都很棒,让我想起了早期的人机交互时代,Kay、Engelbart 和 Nelson 都在追踪计算机如何增强人类思维和创造力的新领域。我真的对其潜力感到兴奋。”

接下来,Logseq 还将计划让应用程序具有协作性,并最终创建一个世界知识图 ——一种连接每个人和世界上每个知识库的个人知识图的方法。例如,在不用走进教室的情况下,让用户将能够连接到斯坦福大学的知识图表,并将其缝合到自己的知识图表上。而该公司的终极目标,就是创造一个计算机支持的世界大脑。

相关文章
|
存储 数据库 Python
阿里云向量检索服务 | 全性能搜索方案
【1月更文挑战第13天】阿里云向量检索服务 | 全性能搜索方案
阿里云向量检索服务 | 全性能搜索方案
|
人工智能 并行计算 PyTorch
【PyTorch&TensorBoard实战】GPU与CPU的计算速度对比(附代码)
【PyTorch&TensorBoard实战】GPU与CPU的计算速度对比(附代码)
1530 0
|
JSON 网络协议 数据格式
curl常用参数详解及示例
curl是一个开源的命令行工具,它基于网络协议,对指定URL进行网络传输,得到数据后不任何具体处理(如:html的渲染等),直接显示在"标准输出"(stdout)上。
4817 1
高质量毕业答辩PPT模板+PPT网站
高质量毕业答辩PPT模板+PPT网站
1055 0
|
8月前
|
存储 弹性计算 人工智能
阿里云云服务器2026年收费标准、实例规格测评与优惠活动参考
阿里云云服务器2026年收费标准、实例规格测评与优惠活动参考,以阿里云4核16G云服务器为例,阿里云4核16G云服务器遵循1:4的CPU与内存黄金配比,具备较强的多任务并行处理能力和内存冗余空间,核心适配中型数据库、分布式服务、电商平台、内存密集型API等中负载业务场景,是2026年中小企业核心业务部署、团队开发测试的主流配置之一。其收费标准核心受实例规格族、计费方式、地域、带宽及存储配置影响,同时针对新用户、企业用户、老用户推出差异化优惠活动,规则透明无隐性消费。以下结合官方公示信息,完整还原4核16G云服务器的实例规格、收费标准、优惠活动、选型建议及避坑要点。
921 3
|
6月前
|
数据采集 监控 调度
Python异步编程:asyncio核心用法与避坑指南
本文深入浅出讲解Python异步编程:剖析async/await原理、事件循环机制,对比同步阻塞痛点;详解四大常见陷阱(混用同步IO、漏写await、同步调异步、无节制并发),并给出信号量限流、超时控制、队列工作流等实战方案,助你高效编写高并发IO程序。(239字)
822 1
|
人工智能 缓存 测试技术
Playwright进阶指南 (6) | 自动化测试实战
2025企业级测试解决方案全面解析:从单元测试到千级并发,构建高可用测试体系。结合Playwright智能工具,解决传统测试维护成本高、环境依赖强、执行效率低等痛点,提升测试成功率,内容从测试架构设计、电商系统实战框架、高级测试策略、Docker化部署、CI/CD集成及AI测试应用,助力测试工程师掌握前沿技术,打造高效稳定的测试流程。
Playwright进阶指南 (6) | 自动化测试实战
|
11月前
|
数据采集 人工智能 自然语言处理
Playwright MCP 浏览器自动化框架全面解析
Playwright MCP是微软推出的开源项目,结合Playwright与MCP协议,让AI通过结构化数据直接操作浏览器。告别传统视觉识别,实现高效、精准的网页自动化,广泛应用于测试、爬虫、办公自动化等场景,大幅提升效率与可靠性。
|
Web App开发 开发框架 .NET
Playwright 自动化测试系列(6)| 第三阶段:测试框架集成​指南:参数化测试 + 多浏览器并行执行
Pytest 与 Playwright 集成可提升自动化测试效率,支持参数化测试、多浏览器并行执行及统一报告生成。通过数据驱动、Fixture 管理和并行优化,显著增强测试覆盖率与执行速度,适用于复杂 Web 应用测试场景。
|
弹性计算 小程序 关系型数据库
24.8|超值超省,开发者轻创业算力补贴申请教程
阿里云推出一系列优惠活动,助力企业和开发者高效上云。核心优惠包括:“99计划”提供超低价服务器资源,老用户也可享受;5亿算力补贴与满减优惠降低上云成本;免费试用覆盖多种产品;创业者计划提供高额抵扣金;多款产品组合满足不同需求。学生更可专享300元补贴。此外,还介绍了开发者如何利用低成本云资源通过广告变现,包括不同广告计费模式及成功案例分析。这些优惠和服务有助于企业快速成长与数字化转型。
528 2
24.8|超值超省,开发者轻创业算力补贴申请教程