Projekt Thoth: Asystent badawczy zasilany sztuczną inteligencją dla praktyków
Projekt Thoth autorstwa Acertainknight to zaawansowany system asystenta badawczego zasilany przez AI, działający jako serwer MCP. Zbudowany w Pythonie 3.12, TypeScript i FastAPI, priorytetowo traktuje prywatność lokalną, przechowując dane na twojej maszynie. Łączy się z backendem PostgreSQL+pgvector i używa Letta do pamięci agenta, wspierając zarówno instancje w chmurze, jak i samodzielnie hostowane instancje Docker. Ten system pomaga praktykom AI i badaczom być na bieżąco z badaniami i zarządzać złożonymi informacjami, oferując dynamiczną kontrolę nad parametrami badawczymi.
Do czego łączy się Projekt Thoth?
Projekt Thoth działa jako serwer MCP, opierając się na wspólnym backendzie PostgreSQL+pgvector do przechowywania danych. W przypadku pamięci agenta, integruje się z Lettą, która może być skonfigurowana do użycia zarówno z Letta Cloud, jak i z samodzielnie hostowaną instancją Dockera. System jest zbudowany w Pythonie 3.12 i TypeScript, wykorzystując FastAPI do swoich usług backendowych. Ta architektura wspiera zaawansowane możliwości asystenta badawczego opartego na AI, kładąc nacisk na prywatność danych w pierwszej kolejności lokalnej.
Podstawowe funkcje i narzędzia
Projekt Thoth oferuje polecenie thoth CLI do interakcji z systemem, w tym kreator TUI wywoływany jako "thoth setup". System zapewnia interfejs w języku naturalnym do codziennego użytku, umożliwiając interaktywną komunikację z agentem. Agenci mogą uzyskiwać dostęp do ustawień, szablonów zapytań, zapytań badawczych i schematów ekstrakcji za pomocą wewnętrznych narzędzi MCP. Obsługuje również przełączanie na Anthropic w celu analizy dokumentów, potwierdzając zgodność z modelami AI Anthropic.
Dla kogo jest to?
Projekt Thoth jest skierowany do praktyków AI, którzy muszą być na bieżąco z rozwijającymi się badaniami AI oraz użytkowników poszukujących potężnego, ale łatwego w użyciu asystenta badawczego. Jego możliwości obejmują udoskonalanie zapytań badawczych i aktualizowanie schematów analizy, co czyni go cennym dla tych, którzy zarządzają złożonymi strumieniami informacji. Lokalna pierwsza konstrukcja systemu przyciąga użytkowników, którzy priorytetowo traktują prywatność danych. Pomiń to, jeśli potrzebujesz jawnej autoryzacji na poziomie aplikacji poza dostępem do lokalnego systemu.
Jak zacząć
Nie są wymagane żadne dane uwierzytelniające do Projektu Thoth. Jego lokalna pierwsza konstrukcja oznacza, że autoryzacja opiera się na dostępie do lokalnego systemu dla samodzielnie hostowanych instancji, obsługiwanym przez początkowego kreatora TUI.
Przykłady zastosowań
- Aktualizacja schematów analizy, takich jak udoskonalanie notatek z prac, aby uwzględnić sekcje metodologii.
- Udoskonalanie zapytań badawczych, na przykład, zawężanie zakresu, aby uniknąć nieistotnych wyników, takich jak prace z zakresu robotyki w zapytaniu o uczenie przez wzmocnienie.
- Przełączanie dostawców LLM, umożliwiając agentowi aktualizację konfiguracji routingu LLM do analizy dokumentów.
Projekt Thoth oferuje asystenta badawczego AI z naciskiem na prywatność, integrując się z PostgreSQL i Lettą w celu zaawansowanej pamięci agenta. Jego interfejs w języku naturalnym i zdolność do dostosowywania parametrów badawczych bezpośrednio poprzez interakcję z agentem czynią go cennym narzędziem dla praktyków AI. System wspiera dynamiczne dostosowania do schematów analizy, zapytań badawczych i dostawców LLM.
