Iepriekšējā cīņa · 2025-04-24 UTC
Agent Development Sadursme — 2025. gada 24. aprīlis
No Agent Development kategorijas. 32 atzīmes izvietotas starp 7 cīnītājiem. DeepOpinion izcīnīja kroni.
Gala rezultāti
Sastāvs
Cīnītāji
Katra rīka profili, kas piedalījās šajā cīņā, sarindoti pēc to gala rezultāta.
DeepOpinion
Uzņēmumu AI platforma, kas automatizē sarežģītu zināšanu darbu un nestrukturētu datu uzdevumus.
DeepOpinion ir uz uzņēmumiem orientēta automatizācijas platforma, kas paredzēta, lai apstrādātu sarežģītu, dokumentu spēcīgu zināšanu darbu, ko tradicionālajiem RPA rīkiem ir grūti pārvaldīt. Platforma apvieno lielu valodu modeli (LLM) ar darba plūsmas rīkiem, lai apstrādātu nestrukturētu ievadi, piemēram, e-pastus, līgumus, rēķinus un atbalsta biļetes lielos apjomos. Platforma ir paredzēta finanšu, apdrošināšanas, klientu atbalsta un operāciju komandām, kurām nepieciešams uzticams, audītāms AI pārvaldīt biznesa procesus. Tā ļauj organizācijām veidot un izvietot AI atvasarātus, kas var lasīt, klasificēt, ekstraktēt un rīkoties ar informāciju bez plašas pielāgotās izstrādes. Ar iespēju izvietot mākoņā vai vietējā infrastruktūrā DeepOpinion cenšas iekļūt regulētos uzņēmumu vidi, vienlaikus samazinot manuālu apstrādes laiku repetitīvām kognitīvām uzdevumiem.
Kritēriju sadalījums
- AI atvasarātie dokumentu un teksta apstrādei
- Darba plūsmas automatizācija zināšanu uzdevumiem
- Datu ekstrakcija no nestrukturētām avotiem
- Uzņēmuma līmeņa drošība un izvietojuma iespējas
- Integrācija ar esošajām uzņēmējdarbības sistēmām
- Cilvēka iesaistīšanās pārskatīšanas kontroles
Letta AI
Atvērta pirmkoda platforma, lai izveidotu stāvokļa AI agentus ar ilgtermiņa atmiņu un uzlabotu rezonēšanu.
Letta AI ir atvērta pirmkoda platforma, kas paredzēta stāvokļa AI agentu izveidei. Šie agenti ir aprīkoti ar ilgtermiņa atmiņu un uzlabotām rezonēšanas spējām. Platforma ļauj izstrādātājiem izveidot AI agentus, kas var saglabāt iepriekšējo mijiedarbību atmiņu, padarot iespējamāku sarežģītāku un kontekstuāku lēmumu pieņemšanu. Tas ir īpaši noderīgi lietojumprogrammām, kurām jābūt spējīgām mācīties no pieredzes laika gaitā un pielāgot atbildes atbilstoši. Letta AI vērsts uz izstrādātājiem un pētniekiem, kuri vēlas radīt izsmalcinātus AI agentus dažādām lietojumprogrammām, sākot no klientu apkalpošanas līdz sarežģītākiem problēmu risināšanas uzdevumiem. Nodrošinot ilgtermiņa atmiņu un uzlabotu rezonēšanu, Letta AI ļauj izstrādāt AI agentus, kas var veikt plašu uzdevumu spektru ar augstāku neatkarības un inteliģences pakāpi.
Kritēriju sadalījums
- Stateful AI agents
- Long-term memory
- Advanced reasoning
Botpress ir attīstības platforma, kas ļauj izveidotājiem ražot konversācijas dzīvo cilvēka AI bremžus, kas balsta lielos teksta modeļus. Tajā ir pieejams izskatīgs režīmu būvētājs, SDK un integrācijas ar populāriem saziņas kanāliem, ļaujot komandas dizainēt bremžus, kas var saskanēt priecīgi konversācijas ar lietišķīgiem uzdevumiem, svinēt API, un izpildīt daudzu virzienu uzdevumus. Platforma saskaņo zem-koďa instrumentus ar dziļākiem iespēju atjaunināšanas iespējām, tādējādi dažādu profesijas lietotāju, tostarp arī nespecifiska programmatūras lietotāju un programmatūras attīstītāju, var sadarboties, sadarbojoties un iesaistītos vienā projektu. Piemēru atbalstītāji, lai gan ir zināšanu bāzes, analitiku, vai cilvēku atbilstības funkcionalitātes, to izmantošana ir piemērota dažādiem ražošanas lietišanu sluoksniem, tādējādi tiek izmantoti piemēri, kā klientu atbalsts, līderu iegūšana un internās automācijas risinājumi. Botpress piedāvā atbrīvu raktu lielai eksperimentēšanai un maksas plānu, kas skalējas, atkarībā no lietojuma, plus atvērtā kodu kopienas izdaru kārtību, kas paredzēts pašlaikā arī savu serveri izvietotajiem izmantojumiem.
Kritēriju sadalījums
- Sadarbības plūsmu būvētājs, kura arī atvieglo liela apmācība
- LLM ierīces, kuras tiek lietotas arī
- Zināšanu bāzu ievāde no dokumentiem un URL
- Dažādu kanālu izvietošana (tīmekļš, WhatsApp, Slack, u.c.)
- Analitika un konversāciju monitoringa
- Cilvēka pieejamība un komandas sadarbība
Gretel AI
Sintētisko datu platforma, kas ģenerē privātuma drošus, AI gatvus datu kopas, kas atspoguļo reālos datus.
Gretel AI ir izstrādātāju centrs, kur izveido sintetiska dati, kuri statistiski līdzinās tiešos datubāzēm, aizliegot satura atklāšanu. Komandas izmanto to, lai atbrīvotu AI un analītikas projektu strāvas tad, kad atsuguņošanas, prasības par līdziskumu vai pieejamības grūtības ierobežo piekļuvi produkcijas datiem. Platforma piedāvā API, SDK un saskarņmodelis, lai ģenerētu tabularņu, tekstūru un laika sērijas datus, kā arī līdzekļus kvalitātes un privātuma risks noteikšanai. Tā atbalsta izplatītu lietojumprogrammu, kā, piemēram, mašīnsapratņu modelu apmācīšanu, mazāk pārstāvētu klases papildināšanu, komandas starpusies datus dalīšanos, un programmatūras testēšanu ar realistiskiem, bet tiešu datus izmantojušajiem rekordiem.
Kritēriju sadalījums
- Generatīvie modeļi sintētiskajam tabulāru un teksta datiem
- Diferenciālais privātums un PII rediģēšanas kontrole
- Kvalitātes, precizitātes un privātuma vērtējuma pārskati
- Python SDK un REST API integrācija
- Pirms trenēti modeļi un pielāgojamas veidnes
- Mākoņi un pašizvietojamās izvietojuma iespējas
NetX ir modulsētais ekonomiskais tīkls, kas vēlas apvienot bloķķīna un AI tehnoloģijas vienotā struktūrā. Tās arhitektūra ļauj programmētājiem un organizācijām pievienot komponents decentralizētajiem transakcijām, datu apmaiņai un AI vadītiem pakalpojumiem, atbalstot dažādus lietojumprogrammas gadījumus visās digitālajās ekonomikās. Platforma meklē sadalīt klasisko blockchain funkcionalitāti ar mašīnsaprindību darbību procesiem, ļaujot tokenizētām ienākumiem, inteliģentām kontraktu automācijām un mašīnsaprindītu dati analīzēm darboties vienotajā ekosistēmā. Šī iespēja padarījusi to patiesību, ka platforma ir piemērojama komandom, kas sāpo Web3 aplikācijas, kas prasīja inteliģentu procesošanu vai dati novērtējošās lēmumu pieņēmšanas. NetX balstoties uz režģīgumu meklē iespēju, lai būvniekiem ir brīvlīnība to izvēlēties, kā tie assembles viņu steki, izvēloties tīkla, AI un ekonomikas primitive, kas atbilst viņu projektu vajadzībām.
Kritēriju sadalījums
- Modulārie tīkla komponenti
- Blockchain integrācijas slānis
- AI pakalpojumu savietojamība
- Smart contract atbalsts
- Tokenized ekonomiskie primitīvi
- Izstrādātāja orientēti rīki
Snorkel Flow
Programmātiskās datu marķēšanas un mākslīgā intelekta izstrādes platforma ražošanas modeļu ātrākai izveidei.
Snorkel Flow ir enterprise plāts ar datu attīstību programmēšanu, kādā komandas var piesūdzīt, sagatavot un izlabot mācību datus, izmantojot piesūdzības funkcijas, neapstājoties no manuālā noteiksmju attīstīšanas. Labojot domēnisko eksperieciju saskaņotām atkaižumiem, tas arī sagraušana ceļš no tiešās datubāzes līdz produkcijas gataviem AI modeļiem. Platforma kombinē sliema pārskatīšanu, modeļu apmācību un kļūdu pieredzi vienā darbplūsē, atbalstot datienu zinību un subjekta ekspertu sadarbi, lai iterētu databāzes un modes vienlaicīgi. Tas atbalsta dažādas praksiem, tostarp dokuments klasifikāciju, informāciju izņemšanu un pamatveida modeļus apfinēšanu uz uzņēmumu lietojumiem.
Kritēriju sadalījums
- Programmātiskā marķēšana ar marķēšanas funkcijām
- Vāja uzraudzība un etiķešu agregācija
- Iebūvēta modeļu apmācība un novērtēšana
- Kļūdu analīzes un datu šķelšanas rīki
- Atbalsts pamata modeļu smalkai noregulēšanai
- Sadarbības rīki priekš SME un datu zinātniekiem
LangSmith
Observability, eval. un debugging platform LLM lietojumprogrammām no LangChain komandas
LangSmith ir rīks uzņēmēju platforma, kuru ir izveidojis LangChain komandas darbinieki, lai palīdzību pieejamais komandas daudzumam izpētīt, testēt, pētīt un monitorēt liellopu valodas modeliņu izmantoto lietotni. Tomēr tas saplāvo sīviem sadarbību ar LangChain un LangGraph rīkiem, bet ir neitralizēts un var instrumentēt ne vien tikai to lietotnes, bet arī jebkuras citas LLM lietotnes izmantojot to SDK un APi. Tā galvenais nolūks ir pētīt LLM sistēmu sāpīgumu, kura iespējas ir neapstākļiskas un nolaidības var būt maziskās, piešķirot attīstītājiem redzamību par to, ko to ņemtie lanu ņemtie, agenti un pieprasījumi ir patiesi darbojas runtime. Dziļuma pārskatu nodēvēšanā centrējas: katru reizi kad lietotājs izpilda programmu, tiek radīts noteikts, nodaļu sastāvīgs pārskats, kas rāda katru sarīkojumu, tai skaitā norādīto iespaidu, modeļa atbilstības pierādījumus, tokeņa lietojumu, retardējuma, noudzētu programmētāju ieruunāmās saites un interešu rezultātu plūsmu. Tā tiek veikta dažādu kompleksu multi-step zināšanu iepakojumu un atjaunojamo ģenerācijas plūsmu debesīm izliekumu veikšanas novatne. Veidojums ar to var izpētīt katru izsētīto pārskatu, izvēlas un meklē šeit, kā arī pārvērtas katrā nodaļā esošos ietvērušos un izvadusos rezultātus. Tāpat LangSmith piedāvā arī novērtēšanas rīkus, lai paredzotu programmveida kvalitātes novērtējumu. Komandas var būvēt databāzes no produkcijas traucējumiem vai apskatītiem parauga piemēriem, veikt programmējumu pēc tam pašu databāzi, un atšķirt rezultātus ar saderīgajiem novērtētājiem, lietojot individuālu kodu bāzētos novērtējumus vai LLM kā tiesnesi iespējas. Tas atbalsta atkārtotās testēšanas, kad pieprasījumi vai modeļi mainās un palīdz skaitļot, vai mainījumi faktiski uzlabo rezultātus, nevis atbalstojot intuitīvu domāšanu. Iedarbībai tieši saskaņā ar to, tie piedāvā monitorojamo grafikonu lappuses, kas seko metrikām, tādām kā atvainsbiedība, izmaksas, kļūdu indeksi un atsauksmes laika posmā, kopā ar iespēju vāc vēstījumus un lietotāju piezīmes. Atvainošanas vadītājs un pārgalvi komponente saskarājas ar komandu lai iterētu atvainošanu un versiju atvainošanu, un saliedētu modeļa rezultātus viena otru blīvā līnijā. LangSmith ir pielāgots galvenokārt programmatūras attīstītājiem un komandām, kas tiek izmantotas LLM iespējas pārrakstā, lai pārsteigtu kārtiskas observabilitātes un izvērtējuma sistēmu. Galvenā priekšrocība ir ātruma ar kuru integrēts ar LangChain ecosistēmu un attiecīgās workflows vienota darbība, kas savieno trasešu izvērsošanu, datu setus un izvērtējumu. Brīvi atzītās pretrunās iekļauj tas, ka iespējamāki pieredzējumi tiek pieejami tad, kad attīstītājs ir komfortāblā stāvoklī šīs pasaulē, tas, ka LLM bāzētais izvērtējums patiesībā ir nepareizs un nepieciešams noteikt raksturošais dizains, un tas, ka ir komerciāls produktu pārvalde, kas tiek nodrošināta par lietošanu bāzējas pirciņa, lai gan norāde uz pašizrādāšanos ir pieejama kādu plānu.
Kritēriju sadalījums
- Izpildes izsekošana ar soli pa solim ievadiem, izvadiem un tokenu lietojumu
- Datu kopu izveide un automatizēta novērtēšana
- Iekšējie, kodu balstītie un LLM kā tiesu vērtētāji
- Ražošanas uzraudzības informācijas paneļi
- Cilvēka atsauksmju un piezīmju vākšana
- Ielaužu pārvaldība, versijēšana un testēšanas telpa