Hãy tinh chỉnh OpenAI gpt-oss (100% tại chỗ):

Xây dựng bộ nhớ giống như con người cho các Đại lý của bạn (mã nguồn mở)! Mỗi hệ thống đại lý và RAG đều gặp khó khăn với việc cập nhật kiến thức theo thời gian thực và truy xuất dữ liệu nhanh chóng. Zep giải quyết những vấn đề này với Đồ thị Kiến thức đang phát triển liên tục và nhận thức theo thời gian. Giống như con người, Zep tổ chức ký ức của một Đại lý thành các tập, trích xuất các thực thể và mối quan hệ của chúng từ những tập này, và lưu trữ chúng trong một đồ thị kiến thức: (hãy tham khảo hình ảnh bên dưới khi bạn đọc) 1) Đồ thị Tập: Ghi lại dữ liệu thô với dấu thời gian, giữ lại mọi chi tiết để dễ dàng tra cứu lịch sử. 2) Đồ thị Thực thể Ngữ nghĩa: Trích xuất các thực thể (ví dụ: “Alice,” “Google”) và các sự thật (“Alice làm việc tại Google”). Mọi thứ đều được phiên bản hóa, vì vậy thông tin lỗi thời sẽ được thay thế. 3) Đồ thị Cộng đồng: Nhóm các thực thể liên quan thành các cụm, với tóm tắt để truy xuất nhanh hơn. Zep cung cấp độ chính xác cao hơn tới 18,5% với độ trễ thấp hơn 90% khi so sánh với các công cụ như MemGPT. Nó hoàn toàn là mã nguồn mở!

Các doanh nghiệp xây dựng RAG trên hàng trăm nguồn dữ liệu, không phải chỉ một! - Microsoft cung cấp nó trong các sản phẩm M365. - Google cung cấp nó trong Vertex AI Search của mình. - AWS cung cấp nó trong Amazon Q Business của mình. Hãy xây dựng một RAG được hỗ trợ bởi MCP trên hơn 200 nguồn (100% địa phương):

12 bảng cheat cho MCP, RAG và các tác nhân dành cho kỹ sư AI (có hình ảnh):

Đánh giá các ứng dụng LLM hội thoại như ChatGPT trong 3 bước (mã nguồn mở). Khác với các tác vụ đơn lẻ, các cuộc hội thoại diễn ra qua nhiều tin nhắn. Điều này có nghĩa là hành vi của LLM phải nhất quán, tuân thủ và nhận thức về ngữ cảnh qua các lượt, không chỉ chính xác trong đầu ra một lần. Trong DeepEval, bạn có thể làm điều đó chỉ với 3 bước: 1) Định nghĩa trường hợp kiểm tra đa lượt của bạn dưới dạng ConversationalTestCase. 2) Định nghĩa một chỉ số với ConversationalGEval bằng tiếng Anh đơn giản. 3) Chạy đánh giá. Xong! Điều này sẽ cung cấp một phân tích chi tiết về những cuộc hội thoại nào đã vượt qua và những cuộc nào đã thất bại, cùng với phân phối điểm số. Hơn nữa, bạn cũng nhận được một giao diện người dùng đầy đủ để kiểm tra từng lượt. Có hai điều tốt về điều này: - Toàn bộ quy trình rất đơn giản để thiết lập và chỉ cần một vài dòng mã. - DeepEval hoàn toàn mã nguồn mở với ~10k sao, và bạn có thể dễ dàng tự lưu trữ nó để dữ liệu của bạn ở nơi bạn muốn. Tìm repo trong phần bình luận!

Tôi đã xây dựng một hệ thống RAG có thể truy vấn hơn 36 triệu vector trong <0.03 giây. Kỹ thuật được sử dụng giúp RAG tiết kiệm bộ nhớ gấp 32 lần! Kiểm tra phân tích chi tiết với mã bên dưới:

- Google Maps sử dụng graph ML để dự đoán ETA - Netflix sử dụng graph ML (GNN) trong việc gợi ý - Spotify sử dụng graph ML (HGNNs) trong việc gợi ý - Pinterest sử dụng graph ML (PingSage) trong việc gợi ý Dưới đây là 6 cách cần biết cho việc kỹ thuật đặc trưng đồ thị (có mã):

Tôi đã sử dụng Jupyter Notebooks hơn 9 năm nay. Dưới đây là 5 tính năng ẩn mà tôi phát hiện ra mà hầu hết người dùng không biết đến:

Phần phụ trợ còn thiếu cho AI Agents của bạn! Motia là một hệ thống thống nhất trong đó API, công việc nền, sự kiện và tác nhân chỉ là các bước plug-and-play. - Python, JS & TypeScript trong cùng một quy trình làm việc - Khả năng quan sát tích hợp - Triển khai bằng một cú nhấp chuột 100% mã nguồn mở.

Một máy chủ MCP giúp bất kỳ ai trở thành kỹ sư cơ sở dữ liệu (mã nguồn mở)! @MongoDB vừa phát hành một Máy chủ MCP cho phép các công cụ AI như Claude, Cursor và GitHub Copilot giao tiếp trực tiếp với một triển khai MongoDB. Điều đó có nghĩa là bất kỳ ai (kỹ thuật hay không kỹ thuật) giờ đây có thể nói: - "Cho tôi biết những người dùng hoạt động nhiều nhất" - "Tạo một người dùng cơ sở dữ liệu mới với quyền truy cập chỉ đọc" - "Lược đồ cho bộ sưu tập đơn hàng của tôi là gì?" ...và để Agent xử lý phần còn lại. Không cần phải gõ các truy vấn thủ công hay ghi nhớ cú pháp. Máy chủ MCP này hoạt động trên: - Atlas - Phiên bản Cộng đồng - Doanh nghiệp Nâng cao Chỉ cần tiếng Anh là bạn có thể viết các truy vấn đạt tiêu chuẩn sản xuất. 100% mã nguồn mở! Liên kết trong tweet tiếp theo. Cảm ơn đội ngũ #MongoDB đã hợp tác hôm nay!