Laten we OpenAI gpt-oss (100% lokaal) verfijnen:

Bouw mensachtige herinneringen voor je Agents (open-source)! Elk agentisch en RAG-systeem heeft moeite met real-time kennisupdates en snelle gegevensopvraging. Zep lost deze problemen op met zijn continu evoluerende en temporeel-bewuste Kennisgrafiek. Net als mensen organiseert Zep de herinneringen van een Agent in episodes, haalt entiteiten en hun relaties uit deze episodes en slaat ze op in een kennisgrafiek: (raadpleeg de afbeelding hieronder terwijl je leest) 1) Episode Subgrafiek: Vangt ruwe gegevens met tijdstempels, waarbij elk detail behouden blijft voor gemakkelijke historische opvraging. 2) Semantische Entiteit Subgrafiek: Haalt entiteiten (bijv. “Alice,” “Google”) en feiten (“Alice werkt bij Google”) op. Alles is geversioneerd, zodat verouderde informatie wordt vervangen. 3) Gemeenschap Subgrafiek: Groepeert gerelateerde entiteiten in clusters, met samenvattingen voor snellere opvraging. Zep levert tot 18,5% hogere nauwkeurigheid met 90% lagere latentie in vergelijking met tools zoals MemGPT. Het is volledig open-source!

Ondernemingen bouwen RAG over honderden gegevensbronnen, niet één! - Microsoft levert het in M365-producten. - Google levert het in zijn Vertex AI Search. - AWS levert het in zijn Amazon Q Business. Laten we een MCP-gestuurde RAG bouwen over 200+ bronnen (100% lokaal):

12 MCP, RAG en Agents spiekbriefjes voor AI-ingenieurs (met visuals):

Evalueer conversatie LLM-apps zoals ChatGPT in 3 stappen (open-source). In tegenstelling tot enkelvoudige taken, ontvouwen gesprekken zich over meerdere berichten. Dit betekent dat het gedrag van de LLM consistent, compliant en contextbewust moet zijn over de verschillende berichten, niet alleen nauwkeurig in een eenmalige output. In DeepEval kun je dat doen in slechts 3 stappen: 1) Definieer je multi-turn testgeval als een ConversationalTestCase. 2) Definieer een metriek met ConversationalGEval in gewone taal. 3) Voer de evaluatie uit. Klaar! Dit zal een gedetailleerde uitsplitsing geven van welke gesprekken geslaagd zijn en welke niet, samen met een scoreverdeling. Bovendien krijg je ook een volledige UI om individuele berichten te inspecteren. Er zijn twee goede dingen aan dit: - De hele pipeline is extreem eenvoudig op te zetten en vereist slechts een paar regels code. - DeepEval is 100% open-source met ~10k sterren, en je kunt het gemakkelijk zelf hosten zodat je gegevens blijven waar je wilt. Vind de repo in de opmerkingen!

Ik heb een RAG-systeem gebouwd dat 36M+ vectoren in <0,03 seconden opvraagt. De gebruikte techniek maakt RAG 32x geheugen efficiënt! Bekijk de gedetailleerde uitsplitsing met code hieronder:

- Google Maps gebruikt graph ML om ETA te voorspellen - Netflix gebruikt graph ML (GNN) in aanbevelingen - Spotify gebruikt graph ML (HGNNs) in aanbevelingen - Pinterest gebruikt graph ML (PingSage) in aanbevelingen Hier zijn 6 belangrijke manieren voor graph feature engineering (met code):

Ik gebruik Jupyter Notebooks nu al meer dan 9 jaar. Hier zijn 5 verborgen functies die ik heb ontdekt waar de meeste gebruikers zich niet van bewust zijn:

De ontbrekende backend voor je AI Agents! Motia is een uniform systeem waar API's, achtergrondtaken, evenementen en agenten slechts plug-and-play-stappen zijn. - Python, JS & TypeScript in dezelfde workflow - Ingebouwde waarneembaarheid - Implementeren met één klik 100% open-source.

Een MCP-server die iedereen een database-engineer maakt (open-source)! @MongoDB heeft zojuist een MCP-server uitgebracht die AI-tools zoals Claude, Cursor en GitHub Copilot in staat stelt om rechtstreeks met een MongoDB-implementatie te communiceren. Dat betekent dat iedereen (technisch of niet-technisch) nu kan zeggen: - "Toon me de meest actieve gebruikers" - "Maak een nieuwe databasegebruiker met alleen-lezen toegang" - "Wat is het schema voor mijn bestellingenverzameling?" ...en laat de Agent de rest afhandelen. Geen behoefte om handmatige queries in te typen of syntaxis te onthouden. Deze MCP-server werkt op: - Atlas - Community Edition - Enterprise Advanced Engels is nu alles wat je nodig hebt om productieklare queries te schrijven. 100% open-source! Link in de volgende tweet. Bedankt aan het #MongoDB-team voor de samenwerking vandaag!