Memonto作為AI代理的中介庫，規劃整個記憶生命週期。在每次對話回合中，它記錄用戶和AI訊息，萃取重要細節，生成簡潔摘要。這些摘要會轉換為嵌入並存入向量數據庫或文件存儲中。在構建新對話提示時，Memonto執行語義搜尋以獲取最相關的歷史記憶，使代理保持上下文，回憶用戶偏好，並提供個性化回應。它支援多種存儲後端（SQLite、FAISS、Redis），並提供可配置的流程管道用於嵌入、摘要與檢索。開發者能無縫整合Memonto到現有的代理框架中，提升連貫性與長期互動。

Langchainrb是一個開源的Ruby函式庫，旨在透過模組化架構簡化人工智慧驅動應用的開發，包含代理、鏈和工具。開發者可定義提示模板，組合LLM的呼叫鏈，加入記憶模組以維持上下文，並連結自訂工具，如文件載入器或搜索API。它支援語義搜索的嵌入產生、內建錯誤處理，以及模型的彈性配置。有了代理抽象層，你可以實作對話助手，根據用戶輸入決定調用哪些工具或鏈。其擴充架構使得客製化變得便利，快速原型開發聊天機器人、自動摘要流程、QA系統及複雜工作流程自動化。

rag-services是一個可擴展的平台，將RAG流程拆分成不同的微服務。它提供文件存儲服務、向量索引服務、嵌入服務、多個LLM推理服務，以及協調工作流程的編排器。每個模組都提供REST API，允許你組合資料庫和模型供應商。支持Docker和Docker Compose，可以在本地或Kubernetes叢集部署。此框架支持為聊天機器人、知識庫和自動文件問答提供擴展性和容錯性強的解決方案。

ragChatbot是一個面向開發者的框架，旨在簡化檢索增強生成聊天機器人的創建流程。它將LangChain流程與OpenAI或其他LLM API整合，用於處理自定義文件集的查詢。用戶可以上傳各種格式的文件（PDF、DOCX、TXT），自動提取文字，並利用流行模型產生嵌入向量。該框架支持FAISS、Chroma和Pinecone等多個向量存儲，以實現高效的相似度搜索。它具有多輪交互的對話記憶層，以及模組化的架構，便於自定義提示範本和檢索策略。透過簡單的CLI或網頁界面，用戶可進行數據輸入、搜索參數配置，並啟動聊天伺服器，以提供具有上下文相關性與準確性的回答。