Memor ofrece un subsistema de memoria para agentes de modelos lingüísticos, permitiéndoles almacenar incrustaciones de eventos pasados, preferencias del usuario y datos contextuales en bases de datos vectoriales. Soporta múltiples backends como FAISS, ElasticSearch y almacenes en memoria. Con búsquedas semánticas de similitud, los agentes pueden recuperar memorias relevantes basándose en incrustaciones de consultas y filtros de metadatos. Las pipelines de memoria personalizables de Memor incluyen segmentación, indexado y políticas de expulsión, asegurando una gestión escalable y a largo plazo del contexto. Integra esto en el flujo de trabajo de tu agente para enriquecer los prompts con contexto histórico dinámico y mejorar la relevancia en respuestas en interacciones multisesión.

RecurSearch es una biblioteca de Python de código abierto diseñada para mejorar la generación aumentada por recuperación (RAG) y los flujos de trabajo de agentes de IA mediante búsqueda semántica recursiva. Los usuarios definen un pipeline de búsqueda que incrusta consultas y documentos en espacios vectoriales, luego refina iterativamente las consultas basándose en resultados previos, aplica filtros de metadatos o palabras clave, y resume o agrega hallazgos. Este refinamiento paso a paso proporciona mayor precisión, reduce llamadas API y ayuda a los agentes a identificar información profundamente anidada o específica del contexto a partir de grandes corpus.