Поиск по своим документам и знаниям, ответы с опорой на источник.
Текстовые запросы к базе через семантический слой: показатели, модели, права доступа и примеры запросов.
Поисковый слой по технической документации: агент находит нужное в доках быстрее и точнее.
Общение с видео: настольное приложение Vimo на фреймворке VideoRAG анализирует ролики почти любой длины.
Строит карту проекта в Markdown: системы, API, компоненты и связи. Агент быстрее ориентируется в большой кодовой базе.
Открытая база знаний для агентов, которая собирает ответ из документов, а не ищет по кускам, как обычный RAG.
Слой памяти для агентов, который сам извлекает факты из диалогов, обновляет профили и убирает устаревшее. Первое место в трёх бенчмарках памяти.
Платформа Tencent, которая собирает базу знаний из документов: RAG-поиск, автономный агент и Wiki, которую система пишет и обновляет сама.
RAG для документов с картинками, таблицами и формулами: система разбирает страницу целиком, а не режет её на текстовые куски.
Агент, который помнит не переписку, а выводы из неё. Память раскладывает факты, даты и связи, а потом отдаёт нужное под текущий шаг, не раздувая контекст.
Память, которая замечает, что ты передумал: хранит предпочтения на уровне человека, сессии и агента и сама переписывает устаревшее. Ставится через Python, TypeScript или облачный API.