Memor предоставляет подсистему памяти для агентов на базе языковых моделей, позволяющую сохранять векторные представления прошедших событий, предпочтений пользователей и контекстных данных в векторных базах данных. Поддерживаются несколько бэкендов, таких как FAISS, ElasticSearch и системы в памяти. С помощью поиска по семантическому сходству агенты могут получать релевантные воспоминания на основе запросных векторных представлений и фильтров метаданных. Настраиваемые пайплайны памяти Memor включают сегментацию, индексирование и политики вытеснения, обеспечивая масштабируемое управление контекстом на длительный срок. Интегрируйте это в рабочий процесс вашего агента для обогащения команд динамическим историческим контекстом и повышения релевантности ответов в многосессионных взаимодействиях.

RecurSearch — это опенсорсная библиотека Python, предназначенная для улучшения Retrieval-Augmented Generation (RAG) и рабочих процессов ИИ-агентов за счет рекурсивного семантического поиска. Пользователи определяют цепочку поиска, которая встраивает запросы и документы в векторные пространства, затем итеративно уточняет запросы по результатам, применяет фильтры метаданных или ключевых слов, а также подытоживает или агрегирует выводы. Такой пошаговый процесс повышения точности снижает число вызовов API, а также помогает выявлять глубоко вложенную или контекстуально-специфическую информацию из больших массивов данных.