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.

Trinity-RFT (Retrieval Fine-Tuning) es un marco de código abierto unificado diseñado para mejorar la precisión y eficiencia del modelo combinando flujos de trabajo de recuperación y ajuste fino. Los usuarios pueden preparar un corpus, construir un índice de recuperación y conectar el contexto recuperado directamente en los bucles de entrenamiento. Soporta recuperación multimodal para texto, imágenes y videos, se integra con almacenes vectoriales populares y ofrece métricas de evaluación y scripts de implementación para prototipado rápido y despliegue en producción.