历史对决 · 2024-06-18 UTC
Agent Development 对决 — 2024年6月18日
来自Agent Development类别。 33个标记分布在9个参赛者中。 Gretel AI夺得桂冠。
最终排名
阵容
参赛工具
参加这场对决的每个工具的简介,按最终得分排序。
Gretel AI 是一个面向开发者的平台，能够生成与真实数据集在统计上相似的合成数据，同时不暴露敏感信息。团队在生产数据受隐私、合规或可用性限制时使用它，以解锁 AI 和分析项目。 该平台提供 APIs、SDKs 以及预构建模型，支持生成表格、文本和时序数据，并配备评估质量和隐私风险的工具。它可用于常见场景，如训练机器学习模型、增强欠代表类数据、跨团队共享数据以及使用逼真但人工合成记录进行软件测试。
标准细分
- 生成统计与真实数据一致的合成表格和文本数据的生成模型
- 对区分信息和 PII 的遮蔽和脱敏控制
- 质量、准确性和隐私评分报告
- Python SDK 和 REST API 集成
- 预训练模型和可自定义模板
- 基于云和自托管的部署选项
Letta AI 是一个开源平台，用于创建有状态的 AI 代理。这些代理配备了长期记忆和先进推理能力。该平台允许开发者构建 AI 代理，这些代理可以维护过去交互的记忆，从而支持更加复杂和上下文相关的决策过程。这对于需要代理根据经验而进行学习并根据此调整回应的问题特别有用。 Leta AI 目标开发者和研究人员，感兴趣在各种应用中创建复杂的人工智能代理，从客户服务到更加复杂的问题解决任务。通过提供长期记忆和先进推理，Leta AI 允许开发具有更高程度自主性和智力的有状态人工智能代理。
标准细分
- 有状态的人工智能代理
- 长期记忆
- 先进推理
Stagehand 是一个网页浏览框架，帮助开发者构建能够在网站上导航、交互并提取数据的 AI 代理。它将确定性的 Playwright 样式代码与自然语言指令相结合，既能在需要时提供细粒度控制，也能在不需要时提供高级抽象。 框架围绕一个小型、可预测的 API 设计，专注于观察页面、操作元素以及提取结构化数据等动作。其可扩展架构支持自定义模型、缓存以及集成到更广泛的 agent stacks，使其既适用于快速爬取脚本，也适用于生产级浏览 workflows。
标准细分
- 自然语言动作、观察和提取方法
- 带有模式的结构化数据提取
- 低级控制兼容Playwright
- 支持多个 LLM 提供商
- 缓存，适用于可重复的浏览器行动
- 可组合的代理框架
NetX 是一个模块化的经济网络，旨在将区块链与 AI 技术整合在统一框架中。其架构支持开发者和组织插入去中心化交易、数据交换和 AI 驱动服务等组件，覆盖数字经济的多种使用场景。 该平台旨在将传统区块链功能与机器学习工作流相结合，使代币化激励、智能合约自动化和 AI 驱动的分析能够在同一生态系统中运行。这使其适用于需要智能处理或数据驱动决策的 Web3 开发团队。 通过强调模块化，NetX 旨在为开发者提供灵活性，让他们在组装技术栈时能够根据项目需求自由选择区块链、AI 和经济原语。
标准细分
- 模組化网络组件
- 区块链对接层
- 人工智能服务兼容
- 智能合约支持
- tokenized经济基本原理
- 开发者重点工具
Snorkel Flow 是一个企业级的数据开发平台，支持团队使用标注函数来标注、整理和改进训练数据，而不必完全依赖人工标注。通过将领域专业知识编码为可重用的启发式规则，它加速了从原始数据到生产级 AI 模型的路径。 该平台将弱监督、模型训练和错误分析集成在同一工作流中，帮助数据科学家和领域专家协同迭代数据集与模型。它支持多种用例，包括文档分类、信息抽取，以及为企业应用微调基础模型。
标准细分
- 程序化标注
- 弱监督和标签聚合
- 内置模型训练和评估
- 错误分析和数据切片工具
- 基础模型微调支持
- SME 与数据科学家之间的协作工具
AutoGen 是由 Microsoft Research 开发的开源编程框架，用于创建代理式 AI 系统。它让开发者定义多个 LLM 驱动的 Agent，能够对话、推理、调用工具、执行代码并相互协调，以完成复杂的工作流。 该框架支持灵活的对话模式、可自定义的代理角色，并可与人类输入、外部 API 以及代码执行环境集成。它常用于原型化研究助手、自动化编码工作流、数据分析流水线以及其他以任务为导向的代理系统。 AutoGen 以 Python 库的形式发布，拥有活跃的社区开发、文档和示例，使其成为实验和部署多智能体应用的实用基础。
标准细分
- 多智能体对话编排
- 可定制的智能体角色和个性
- 代码执行和工具调用
- 支持人机协作
- 与主要LLM提供商兼容
- 可扩展的Python API
LangChain Agent 是更广泛的 LangChain 框架的一部分，旨在帮助开发者构建语言模型可以推理、做出决策并与外部工具交互的应用程序。Agent 使用 LLM 作为推理引擎来确定要采取的动作、执行顺序，以及如何利用结果来指导后续步骤。 该框架提供了模块化组件，用于链式提示、集成数据源、管理记忆以及连接 API、数据库和搜索工具。这使其非常适合构建聊天机器人、研究助手、工作流自动化以及其他动态 LLM 驱动的系统。 LangChain 支持多种模型提供商和编程语言（Python 与 JavaScript/TypeScript），因此它是原型与生产部署的灵活基础。
标准细分
- 使用LLM建构代理
- 提示和链式组合
- 内存和状态管理
- 支持矢量存储和API的集成
- 支持多个LLM供应商
- 支持流式和异步执行
LangGraph Studio 是一个专为在 LangGraph 框架上构建智能体应用的工程师设计的专业开发环境。它提供可视化界面，用于检查图结构、跟踪执行路径，以及了解智能体如何在节点、工具和状态之间移动。 除了可视化功能，LangGraph Studio 还提供交互式调试功能，例如状态编辑、从中间步骤回放以及与正在运行的代理实时交互。这使得诊断循环、工具调用失败和多步骤 LLM 工作流中经常出现的意外分支行为变得更容易。 它与LangSmith集成进行跟踪和可观测性，为团队提供一种统一的方式，在将复杂代理系统部署到生产环境之前进行开发、测试和迭代。
标准细分
- 交互式图形视觉化
- 运行、重新播放和分支代理执行
- 状态检查和手动编辑
- 现场聊天界面为代理测试
- 与LangSmith集成
- 本地和托管部署选项
Zep AI Memory 是一个专注于开发者的内存服务，为 AI 代理提供跨对话和会话的持久化、结构化的记忆。它能捕获聊天历史，提取关键事实，并将它们组织成知识图谱，以便代理可以根据需求检索相关上下文，而不是将整个历史记录塞入提示中。 该平台通过一个简单的API处理摘要、实体提取和语义搜索，让团队在无需构建自定义检索基础设施的情况下为聊天机器人、副驾驶和自主代理添加有状态内存。它旨在随着生产工作负载的增加而扩展，同时保持提示大小和token成本的可预测性。 Zep 可与 LangChain 和 LlamaIndex 等常见的 LLM 框架集成，并为流行语言提供 SDK，从而可以轻松地将其集成到现有的智能代理栈中。
标准细分
- 长期会话记忆
- 自动提取事实和实体
- 知识图谱存储
- 语义和混合搜索
- LangChain 和 LlamaIndex 集成
- 多语言 SDK