El Agente de IA Blockchain integra grandes modelos de lenguaje con soporte multicanal para ofrecer recuperación rápida y precisa de datos en blockchain mediante lenguaje natural. Los usuarios hacen preguntas como '¿Cuál fue el gas usado en el último bloque de Ethereum?' o 'Muéstrame transacciones recientes para una dirección de Solana', y el agente invoca automáticamente llamadas RPC subyacentes a nodos de Bitcoin, Ethereum y Solana. Construido en Python y usando web3.py, solana-py y bibliotecas de Bitcoin, maneja sin problemas datos de bloques, análisis de transacciones, saldos de cuentas y datos de precios. La arquitectura modular permite a los desarrolladores extender el agente con funciones personalizadas o agregar soporte para cadenas adicionales. Esta herramienta capacita a desarrolladores, analistas, educadores y entusiastas de blockchain para acceder a datos complejos en cadena sin escribir código de bajo nivel.

Joule es el agente de IA inteligente de SAP diseñado para transformar la forma en que las empresas aprovechan los datos para la toma de decisiones. Se integra a la perfección con los sistemas existentes para proporcionar información en tiempo real sobre las operaciones, lo que permite a los usuarios tomar decisiones informadas que mejoran la productividad y la eficiencia. Con capacidades de procesamiento de lenguaje natural, Joule puede entender las consultas de los usuarios y entregar información personalizada rápidamente, asegurando que el conocimiento crítico para el negocio esté fácilmente accesible. Su capacidad para aprender de las interacciones con los usuarios también significa que Joule mejora continuamente, evolucionando con las necesidades del negocio.

El Agente conversacional inteligente basado en RAG combina una capa de recuperación respaldada por un almacén vectorial con Google’s Gemini LLM a través de LangChain para potenciar la extracción de conocimiento conversacional y enriquecida por contexto. Los usuarios ingresan e indexan documentos— PDFs, páginas web o bases de datos— en una base de datos vectorial. Cuando se plantea una consulta, el agente recupera los pasajes relevantes, los introduce en una plantilla de solicitud, y genera respuestas concisas y precisas. Los componentes modulares permiten personalizar fuentes de datos, almacenes vectoriales, ingeniería de prompts y backends LLM. Este marco de código abierto simplifica el desarrollo de bots Q&A específicos del dominio, exploradores de conocimiento y asistentes de investigación, entregando perspectivas en tiempo real y escalables desde grandes colecciones de documentos.