Iepriekšējā cīņa · 2024-06-18 UTC
Agent Development Sadursme — 2024. gada 18. jūnijs
No Agent Development kategorijas. 33 atzīmes izvietotas starp 9 cīnītājiem. Gretel AI izcīnīja kroni.
Gala rezultāti
Sastāvs
Cīnītāji
Katra rīka profili, kas piedalījās šajā cīņā, sarindoti pēc to gala rezultāta.
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
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
Stagehand
Atvērta koda AI pārlūkprogrammas automatizācijas ietvars, izveidots vienkāršības un paplašināmības nolūkā.
Stagehand ir web brazeringas framework, kas ļauj izstrādātājiem izveidot AI agentus, aptuvenī spējīgas arī navigēt, sadarboties un izvākt dati no tīmīm. Tas apvieno pierādotas Playwright-stila kodu ar dabisko valodas ieteikumiem, izdevoties rūtī precīzu kontrolli un augstu līmeņa abstrakcijas, tikai kad nepieciešams. Frameworka ir projektēta ap toņi mazajiem, novēršamajiem API, kas centrējas uz darbībām, tai skaitā lappuses pārbaude, elementu pārkontrole un strukturētu datu ieguve. Tās izplešamās arhitektūras atbalsts individualiem modeliem, atsliņošanai un platformas integrācijai plūsmā, kļūstot par visu, no ātru skriptu pieprasījumam, līdz ražīgajiem brauksanai darbināmām plūsmai.
Kritēriju sadalījums
- Dabas valodas pieejas, novērošanas un datus izvilces metodes
- Strukturētu datu izvilces ar shēmām
- Playwright saderība zemā līmeņa kontrolei
- Atbalsts vairākiem LLM piegādātājiem
- Kešatmiņa atkārtojamām pārlūkprogrammas darbībām
- Sastādāms ar aģentu ietvariem
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
AutoGen
Atvērt-source Python rīks, lai arī kārtītu dažu agentu LLM raksturdarbu pildījuma uzdevumus kopīgi.
AutoGen ir atvērto izsoucesa programmēšanas rastrs Microsoft Research, kas ir paredzēts agrentu AI sistēmu veidošanai. Tas ļauj programētājiem definēt vairākas LLM varoto lasīt agentu, kādas var sarunāties, racionēties, piekāpties līdzekļiem, izpildīt kodus un koordinēties, lai veiktu kompleksus darbību graudu. Sākums ir konstruēts, lai atbalstītu elastīgu konversāciju māršrutējumus, konfigurējamas agenta lomas un integrāciju ar cilvēka ievadi, ārējām api, kā arī koda izpētes vidi. Tas ir bieži lietots, lai uzbūtavu pētniecības palīgu, automātizētā koda proceses, datiānaļītes kanāli un citas uzdevuma jātnieku sistēmas prototipus. AutoGen tiek izplatīts kā Python bibliotēka ar aktīvu biedru izglītošanos, dokumentāciju un saderīgām piemērošanām, veidojot praktisku pamatu eksperimentēšanai ar un izvietošanai dažadīgu aģentu aplikācijām.
Kritēriju sadalījums
- Dažādu agentu konversāķi organizācija
- Saskanotspējīgs agentu lomas un persona izvēle
- Kodas izpildīšana un instrumentu saziņas
- Mans-līdz-pilnvarotais uzturēšana
- Iekļavotspējīgs lielāko LLM provideru sarakstā
- Iegrābjams Python API
LangChain Agent
Atvērta koda ietvars LLM balstītu lietojumprogrammu un autonomu agentu izstrādei.
LangChain Agent ir daļa no plašākā LangChain ietvara, kas izstrādāts, lai palīdzētu izstrādātājiem izveidot lietojumprogrammas, kurās valodas modeļi var izdomāt, pieņemt lēmumus un mijiedarboties ar ārējiem rīkiem. Agenti izmanto LLM kā domāšanas dzinēju, lai noteiktu, kādas darbības veikt, kādā secībā un kā izmantot rezultātus, lai informētu nākamos soļus. Ietvars nodrošina modulares komponentes, lai savienotu pieprasījumus, integrētu datu avotus, pārvaldītu atmiņu un pieslēgtos API, datubāzēm un meklēšanas rīkiem. Tas padara to piemērotu chatbota, pētniecības asistenta, darba plūsmas automatizācijas un citu dinamisku LLM vadītu sistēmu izveidei. LangChain atbalsta vairākus modeļu pakalpojumus un valodas (Python un JavaScript/TypeScript), padarot to elastīgu pamatu gan prototipu izstrādei, gan ražošanas izvietošanai.
Kritēriju sadalījums
- Agenti, kas izmanto LLM ar rīkiem
- Pieprasījumu un ķēžu sastādīšana
- Atmiņas un stāvokļa pārvaldība
- Integrācijas ar vektoru glabātājiem un API
- Atbalsts vairākām LLM piegādātājiem
- Streļēšana un asinhrona izpilde
LangGraph Studio
Vizuals IDE LangGraph agentu darba plūsmu izveidei, atkļūdošanai un pārskatīšanai
LangGraph Studio ir specializēta izstrādes vide, izstrādāta inženieriem, kas veido agentu lietojumprogrammas uz LangGraph ietvara. Tā nodrošina vizuālo interfeisu grafu struktūras pārskatīšanai, izpildes ceļu izsekošanai un izpratnei, kā agenti pārvietojas starp mezgliem, rīkiem un stāvokļiem. Papildus vizualizācijai studija piedāvā interaktīvus atkļūdošanas rīkus, piemēram, stāvokļa rediģēšanu, atkārtošanu no pusiņās un tiesīgu mijiedarbību ar strādājošajiem agentiem. Tas padara vieglāk diagnozēt ciklus, rīku izsaukšanas kļūdas un negaidītas šķērscelšanas uzvedības, kas bieži parādās vairāku soļu LLM darba plūsmās. Iekļauj LangSmith izsekošanu un novērošanas, sniedzot komandām vienotu veidu izstrādāt, testēt un iterēt sarežģītus agentu sistēmas pirms to izvietošanas uz ražošanas.
Kritēriju sadalījums
- Interaktīva grafu vizualizācija
- Izpildīt, atkārtot un izdalīt agentu izpildes
- Stāvokļa pārskats un manuālā rediģēšana
- Tiešsaistes sarunas interfeiss agentu testēšanai
- LangSmith izsekošanas integrācija
- Vietējās un mākoņservera izvietošanas iespējas
Zep AI Memory ir izstrādātāju orientēts atmiņas pakalpojums, kas AI aģentiem nodrošina pastāvīgu, strukturētu atgādinājumu sarunās un sesijās. Tas ieraksta čata vēsturi, izvelk svarīgus faktus un organizē tos zināšanu grafā, lai aģenti varētu iegūt attiecīgo kontekstu pa pieprasījumu, nevis ielīmētu visas vēstures promptos. Platforma apstrādā rezumēšanu, entītiju izvelkšanu un semantisko meklēšanu aiz vienkārša API, atļaujot komandām pievienot stāvokļa atmiņu čatu botiem, kopilotiem un autonīmiem aģentiem bez pašu pielāgotās pieejienes infrastruktūras izveides. Tā ir izstrādāta, lai pakāpeniski mainītos ražošanas izkrājumos, saglabājot ierosinājumu izmērus un tokena izmaksas paredzamā veidā. Zep ir integrits ar visbiežāk lietotajiem LLM frameworkiem, kā piemēram LangChain un LlamaIndex, un piedāvā SDK populārām valodām, tādējādi padarot to par vienkārši ievietojamu esošajos aģentu stekos.
Kritēriju sadalījums
- Ilgtermiņa konversāciju atmiņa
- Automātiska faktu un entitāšu izveide
- Zināšanu grafika glabāšana
- Semantiskā un hibrīda meklēšana
- LangChain un LlamaIndex integrācijas
- Daudzvalodu SDK