Affiniamo OpenAI gpt-oss (100% localmente):

Costruisci una memoria simile a quella umana per i tuoi Agenti (open-source)! Ogni sistema agentico e RAG ha difficoltà con gli aggiornamenti di conoscenza in tempo reale e il recupero rapido dei dati. Zep risolve questi problemi con il suo Knowledge Graph in continua evoluzione e consapevole del tempo. Come gli esseri umani, Zep organizza i ricordi di un Agente in episodi, estrae entità e le loro relazioni da questi episodi e le memorizza in un grafo della conoscenza: (riferisciti all'immagine qui sotto mentre leggi) 1) Sottografo dell'Episodio: Cattura dati grezzi con timestamp, mantenendo ogni dettaglio per una facile consultazione storica. 2) Sottografo dell'Entità Semantica: Estrae entità (ad es., “Alice,” “Google”) e fatti (“Alice lavora per Google”). Tutto è versionato, quindi le informazioni obsolete vengono sostituite. 3) Sottografo della Comunità: Raggruppa entità correlate in cluster, con riassunti per un recupero più veloce. Zep offre fino al 18,5% di precisione in più con il 90% di latenza in meno rispetto a strumenti come MemGPT. È completamente open-source!

Le imprese costruiscono RAG su centinaia di fonti di dati, non su una sola! - Microsoft lo integra nei prodotti M365. - Google lo integra nella sua ricerca Vertex AI. - AWS lo integra nel suo Amazon Q Business. Costruiamo un RAG alimentato da MCP su oltre 200 fonti (100% locale):

12 schede di riferimento MCP, RAG e Agents per ingegneri AI (con immagini):

Valuta le app LLM conversazionali come ChatGPT in 3 passaggi (open-source). A differenza dei compiti a turno singolo, le conversazioni si sviluppano su più messaggi. Ciò significa che il comportamento dell'LLM deve essere coerente, conforme e consapevole del contesto attraverso i turni, non solo accurato in un output singolo. In DeepEval, puoi farlo in soli 3 passaggi: 1) Definisci il tuo caso di test multi-turno come un ConversationalTestCase. 2) Definisci una metrica con ConversationalGEval in inglese semplice. 3) Esegui la valutazione. Fatto! Questo fornirà un'analisi dettagliata di quali conversazioni sono passate e quali hanno fallito, insieme a una distribuzione dei punteggi. Inoltre, ottieni anche un'interfaccia utente completa per ispezionare i singoli turni. Ci sono due buone cose riguardo a questo: - L'intero processo è estremamente semplice da configurare e richiede solo poche righe di codice. - DeepEval è 100% open-source con ~10k stelle, e puoi facilmente auto-ospitarlo in modo che i tuoi dati rimangano dove vuoi. Trova il repo nei commenti!

Ho costruito un sistema RAG che interroga oltre 36 milioni di vettori in meno di 0,03 secondi. La tecnica utilizzata rende RAG 32 volte più efficiente in termini di memoria! Controlla il dettagliato riepilogo con il codice qui sotto:

- Google Maps utilizza il graph ML per prevedere l'ETA - Netflix utilizza il graph ML (GNN) nelle raccomandazioni - Spotify utilizza il graph ML (HGNNs) nelle raccomandazioni - Pinterest utilizza il graph ML (PingSage) nelle raccomandazioni Ecco 6 modi imprescindibili per l'ingegneria delle caratteristiche grafiche (con codice):

Utilizzo Jupyter Notebooks da oltre 9 anni. Ecco 5 funzionalità nascoste che ho scoperto e di cui la maggior parte degli utenti non è a conoscenza:

Il backend mancante per i tuoi agenti AI! Motia è un sistema unificato in cui API, lavori in background, eventi e agenti sono solo passaggi plug-and-play. - Python, JS e TypeScript nello stesso flusso di lavoro - Osservabilità integrata - Distribuzione con un clic 100% open-source.

Un server MCP che rende chiunque un ingegnere di database (open-source)! @MongoDB ha appena rilasciato un server MCP che consente a strumenti AI come Claude, Cursor e GitHub Copilot di comunicare direttamente con un'implementazione di MongoDB. Ciò significa che chiunque (tecnico o non tecnico) può ora dire: - "Mostrami gli utenti più attivi" - "Crea un nuovo utente del database con accesso in sola lettura" - "Qual è lo schema per la mia collezione ordini?" ...e lasciare che l'Agente gestisca il resto. Non c'è bisogno di digitare query manuali o memorizzare la sintassi. Questo server MCP funziona su: - Atlas - Community Edition - Enterprise Advanced L'inglese è tutto ciò di cui hai bisogno ora per scrivere query di livello produzione. 100% open-source! Link nel prossimo tweet. Grazie al team #MongoDB per la collaborazione di oggi!