VisQueryPDF procesa archivos PDF dividiéndolos en fragmentos, generando incrustaciones vectoriales mediante modelos de OpenAI o compatibles, y almacenando esas incrustaciones en un almacén de vectores local. Los usuarios pueden enviar consultas en lenguaje natural para recuperar los fragmentos más relevantes. Los resultados de la búsqueda se muestran con texto resaltado en las páginas originales de PDF y se representan en un espacio de incrustaciones bidimensional, permitiendo una exploración interactiva de las relaciones semánticas entre segmentos del documento.

El Prototipo del motor de contexto cognitivo AGI (CCE) centrado en el contexto proporciona un conjunto de herramientas robusto para que los desarrolladores implementen agentes de IA conscientes del contexto. Aprovecha incrustaciones vectoriales para almacenar interacciones históricas con el usuario, permitiendo una recuperación eficiente de fragmentos relevantes de contexto. El motor resume automáticamente conversaciones extensas para ajustarse a los límites de tokens de los modelos de lenguaje, asegurando continuidad y coherencia en diálogos de múltiples turnos. Los desarrolladores pueden configurar estrategias de priorización del contexto, gestionar ciclos de vida de la memoria e integrar pipelines de recuperación personalizados. CCE soporta arquitecturas modulares de plugins para proveedores de incrustaciones y backends de almacenamiento, brindando flexibilidad para escalar en diversos proyectos. Con API integradas para almacenar, consultar y resumir el contexto, CCE facilita la creación de aplicaciones conversacionales personalizadas, asistentes virtuales y agentes cognitivos que requieren retención a largo plazo de memoria.