Le Prototype du Moteur Cognitif de Contexte AGI (CCE) Axé sur le Contexte offre une boîte à outils robuste pour que les développeurs mettent en œuvre des agents IA contextuels. Il utilise des embeddings vectoriels pour stocker les interactions utilisateur historiques, permettant une récupération efficace des morceaux de contexte pertinents. Le moteur résume automatiquement les longues conversations pour respecter les limites de tokens des LLM, assurant la continuité et la cohérence dans les dialogues multi-tours. Les développeurs peuvent configurer des stratégies de priorisation du contexte, gérer le cycle de vie de la mémoire et intégrer des pipelines de récupération personnalisés. Le CCE supporte des architectures modulaires de plugins pour les fournisseurs d'embeddings et les backends de stockage, offrant une flexibilité pour l'évolution des projets. Avec des API intégrées pour le stockage, la requête et la synthèse du contexte, le CCE facilite la création d'applications conversationnelles personnalisées, d'assistants virtuels et d'agents cognitifs nécessitant une mémoire à long terme.

IMMA (Interactive Multi-Modal Memory Agent) est un cadre modulaire conçu pour améliorer l’IA conversationnelle avec une mémoire persistante. Il encode le texte, les images et d’autres données des interactions passées dans un stockage mémoire efficace, effectue une récupération sémantique pour fournir un contexte pertinent lors de nouveaux dialogues, et applique des techniques de résumé et de filtrage pour maintenir la cohérence. Les API de IMMA permettent aux développeurs de définir des politiques d’insertion et de récupération de mémoire personnalisées, d’intégrer des embeddings multimodaux et de peaufiner l’agent pour des tâches spécifiques au domaine. En gérant le contexte utilisateur à long terme, IMMA supporte des cas d’usage nécessitant continuité, personnalisation et raisonnement multi-tours sur des sessions prolongées.