RecurSearch é uma biblioteca de Python de código aberto projetada para melhorar a Geração Aumentada por Recuperação (RAG) e fluxos de trabalho de agentes de IA, permitindo busca semântica recursiva. Os usuários definem uma pipeline de busca que incorpora consultas e documentos em espaços vetoriais, então refinam iterativamente as consultas com base nos resultados anteriores, aplicam filtros de metadados ou palavras-chave e resumem ou agregam descobertas. Esse refinamento passo a passo resulta em maior precisão, reduz chamadas de API e ajuda os agentes a extrair informações profundamente aninhadas ou específicas de contexto de grandes coleções.

Trinity-RFT (Retrieval Fine-Tuning) é uma estrutura unificada de código aberto projetada para melhorar a precisão e eficiência do modelo combinando fluxos de trabalho de recuperação e ajuste fino. Os usuários podem preparar um corpus, construir um índice de recuperação e inserir o contexto recuperado diretamente nos loops de treinamento. Suporta recuperação multimodal para texto, imagens e vídeos, integra-se com armazenamentos de vetores populares e oferece métricas de avaliação e scripts de implantação para prototipagem rápida e implantação em produção.