RepoAgent est un cadre d'IA qui transforme n'importe quel dépôt de code en une base de connaissances interactive. Il indexe les fichiers sources, fonctions, classes et documentations dans un magasin vectoriel, permettant une récupération rapide et des réponses contextuelles. Les développeurs peuvent poser des questions en langage naturel sur la fonctionnalité, l'architecture ou les dépendances du code. Il prend en charge la résumé automatique du code, la génération de documentation et la création de cas de test en intégrant des grands modèles linguistiques. RepoAgent analyse également les issues, pull requests et l'historique des commits pour fournir des insights sur la qualité du code et les bugs potentiels. Son design modulaire permet de personnaliser les pipelines de récupération, la sélection des modèles et le formatage des sorties. En s'intégrant directement dans les pipelines CI/CD ou IDE, RepoAgent accélère le développement, réduit le temps d'intégration et augmente la productivité de l'équipe.

Trinity-RFT (Retrieval Fine-Tuning) est un cadre open-source unifié conçu pour améliorer la précision et l'efficacité du modèle en combinant flux de travail de récupération et de fine-tuning. Les utilisateurs peuvent préparer un corpus, construire un index de récupération et insérer le contexte récupéré directement dans les boucles d'entraînement. Il supporte la récupération multimodale pour le texte, les images et la vidéo, s'intègre avec des magasins vectoriels populaires, et propose des métriques d'évaluation ainsi que des scripts de déploiement pour un prototypage rapide et un déploiement en production.

CAMEL-AI est un framework basé sur Python permettant aux développeurs et chercheurs de construire, configurer et exécuter plusieurs agents IA autonomes alimentés par des LLMs. Il offre un support intégré pour la génération augmentée par récupération (RAG), l’utilisation d’outils externes, la communication entre agents, la gestion de la mémoire et de l’état, et la planification. Avec des composants modulaires et une intégration facile, les équipes peuvent prototyper des systèmes multi-agent complexes, automatiser des workflows et faire évoluer des expériences sur différents backends LLM.