Прототип Контекст-Первый AGI Cognitive Context Engine (CCE) предоставляет мощный набор инструментов для реализации контекстуальных ИИ-агентов. Он использует векторные представления для хранения историй взаимодействий пользователей, обеспечивая эффективный поиск релевантных фрагментов контекста. Движок автоматически подводит итоги длинных диалогов, чтобы вписаться в лимит токенов LLM., обеспечивая непрерывность и связность в многоповоротных беседах. Разработчики могут настраивать стратегии приоритизации контекста, управлять жизненным циклом памяти и интегрировать нестандартные системы поиска. CCE поддерживает модульную архитектуру плагинов для провайдеров embedding и хранилищ, предлагая возможность масштабирования в рамках проектов. Встроенные API для хранения, запроса и суммирования контекста позволяют быстро создавать персонализированные диалоговые приложения, виртуальных помощников и когнитивных агентов с долгосрочной памятью.

CrewAI Code Repo Analyzer — это агент с открытым исходным кодом, который индексирует репозиторий кода, создает векторные внедрения и предоставляет семантический поиск. Разработчики могут задавать вопросы на естественном языке о коде, генерировать высокоуровневые обзоры модулей и исследовать структуру проекта. Он ускоряет понимание кода, поддерживает анализ унаследованного кода и автоматизирует документацию, используя большие языковые модели для интерпретации и объяснения сложных кодовых баз.

Spark Engine использует сложные модели ИИ для преобразования текстовых данных в многомерные векторные внедрения, позволяя поиску выходить за рамки простого совпадения ключевых слов. Когда пользователь отправляет запрос, Spark Engine обрабатывает его с помощью обработки естественного языка для захвата намерений, сравнивает его с индексированными документами и ранжирует результаты по семантической похожести. Платформа поддерживает фильтрацию, фасетирование, толерантность к опечаткам и персонализацию результатов. Благодаря возможностям настройки весов релевантности и панелям аналитики, команды могут контролировать эффективность поиска и уточнять параметры. Инфраструктура полностью управляемая и горизонтально масштабируемая, что обеспечивает низкую задержку при высокой нагрузке. RESTful API и SDK для нескольких языков позволяют легко интегрировать платформу, быстро добавляя умный поиск в веб-, мобильные и настольные приложения.

Crawlr — это открытая CLI-агент на базе ИИ, предназначенный для упрощения процесса загрузки информации из Интернета в структурированные базы знаний. Используя модели GPT-3.5/4 OpenAI, он переходит по заданным URL, очищает и сегментирует необработанный HTML в осмысленные текстовые сегменты, генерирует краткие сводки и создает векторные внедрения для эффективного семантического поиска. Инструмент поддерживает настройку глубины обхода, фильтров по доменам и размеров сегментов, что позволяет адаптировать процессы загрузки под требования проекта. Автоматизация поиска ссылок и обработки контента снижает ручные усилия, ускоряет создание FAQ-систем, чат-ботов и исследовательских архивов, а также без проблем интегрируется с векторными базами данных, такими как Pinecone, Weaviate или локальные SQLite. Модульная архитектура позволяет легко расширять его с помощью собственных парсеров и поставщиков внедрений.

ThinkThread позволяет разработчикам добавлять постоянную память в приложения, основанные на ChatGPT. Он кодирует каждую обмен информацией с помощью Sentence Transformers и сохраняет векторные представления в популярных хранилищах. При каждом новом пользовательском вводе ThinkThread выполняет семанический поиск, чтобы найти наиболее релевантные прошлые сообщения, которые затем добавляются как контекст в запрос. Этот процесс обеспечивает последовательность, снижает затраты на проектирование prompting и позволяет ботам запоминать долгосрочные детали, такие как предпочтения пользователя, история транзакций или проектная информация.

VisQueryPDF обрабатывает PDF-файлы, разбивая их на части, создавая векторные встроения через OpenAI или совместимые модели, и сохраняя их в локальном хранилище векторов. Пользователи могут вводить запросы на естественном языке для получения наиболее релевантных фрагментов. Результаты поиска отображаются с выделенным текстом на оригинальных страницах PDF и визуализируются в двумерном пространстве встроений, что позволяет интерактивно исследовать семантические связи между сегментами документа.