DB-conv est une bibliothèque Python légère conçue pour permettre une IA conversationnelle sur des bases de données SQL. Après installation, les développeurs la configurent avec les détails de connexion à la base et les identifiants du fournisseur LLM. DB-conv gère l’inspection du schéma, construit des SQL optimisés à partir des prompts utilisateur, exécute les requêtes et renvoie les résultats sous forme de tableaux ou de graphiques. Elle supporte plusieurs moteurs de bases de données, le caching, la journalisation des requêtes et des modèles de prompts personnalisés. En abstraisant la conception de prompts et la génération de SQL, DB-conv simplifie la création de chatbots, d’assistants vocaux ou d’interfaces web pour l’exploration autonome des données.

MindSearch offre une architecture modulaire pour la génération augmentée par récupération, conçue pour améliorer les grands modèles linguistiques avec un accès aux connaissances en temps réel. En se connectant à diverses sources de données, notamment les systèmes de fichiers locaux, les stocks de documents et les bases de données vectorielles dans le cloud, MindSearch indexe et intègre les documents à l'aide de modèles d'intégration configurables. Pendant l'exécution, il récupère le contexte le plus pertinent, re-ridge les résultats en utilisant des fonctions de scoring personnalisables et compose une invite complète pour que les LLM générent des réponses précises. Il supporte le cache, les types de données multimodaux et les pipelines combinant plusieurs récupérateurs. L'API flexible permet aux développeurs de ajuster les paramètres d'intégration, les stratégies de récupération, les méthodes de découpage et les modèles de prompt. Que ce soit pour créer des assistants AI conversationnels, des systèmes de questions-réponses ou des chatbots spécifiques à un domaine, MindSearch simplifie l'intégration des connaissances externes dans les applications pilotées par LLM.