مشروع توت: مساعد بحث مدعوم بالذكاء الاصطناعي للممارسين
مشروع توت من قبل Acertainknight هو نظام مساعد بحث متقدم مدعوم بالذكاء الاصطناعي يعمل كخادم MCP. تم بناؤه باستخدام Python 3.12 و TypeScript و FastAPI، ويعطي الأولوية للخصوصية المحلية، حيث يحتفظ بالبيانات على جهازك. يتصل بواجهة خلفية PostgreSQL+pgvector ويستخدم Letta لذاكرة الوكيل، ويدعم كل من السحابة وحالات Docker المستضافة ذاتيًا. يساعد هذا النظام ممارسي الذكاء الاصطناعي والباحثين على البقاء على اطلاع بأحدث الأبحاث وإدارة المعلومات المعقدة، مما يوفر تحكمًا ديناميكيًا في معايير البحث.
ما الذي يتصل به مشروع ثوث؟
يعمل مشروع ثوث كخادم MCP، معتمدًا على قاعدة بيانات PostgreSQL+pgvector المشتركة لتخزين البيانات. بالنسبة لذاكرة الوكيل، فإنه يتكامل مع Letta، التي يمكن تكوينها لاستخدام إما Letta Cloud أو نسخة Docker مستضافة ذاتيًا. تم بناء النظام باستخدام Python 3.12 وTypeScript، مستفيدًا من FastAPI لخدماته الخلفية. تدعم هذه البنية قدراته المتقدمة كمساعد بحث مدعوم بالذكاء الاصطناعي، مع التركيز على خصوصية البيانات المحلية أولاً.
الميزات الأساسية والأدوات
يقدم مشروع ثوث أمر thoth CLI للتفاعل مع النظام، بما في ذلك معالج إعداد TUI الذي يتم استدعاؤه كـ "thoth setup". يوفر النظام واجهة لغة طبيعية للاستخدام اليومي، مما يسمح بالتواصل التفاعلي مع الوكيل. يمكن للوكلاء الوصول إلى إعدادات وتعديل القوالب، واستفسارات البحث، ومخططات الاستخراج من خلال أدوات MCP الداخلية. كما يدعم التحويل إلى Anthropic لتحليل الوثائق، مؤكدًا التوافق مع نماذج الذكاء الاصطناعي الخاصة بـ Anthropic.
لمن هو؟
يستهدف مشروع ثوث ممارسي الذكاء الاصطناعي الذين يحتاجون إلى البقاء على اطلاع بأبحاث الذكاء الاصطناعي المتطورة والمستخدمين الذين يبحثون عن مساعد بحث قوي وسهل الاستخدام. تشمل قدراته تحسين استفسارات البحث وتحديث مخططات التحليل، مما يجعله ذا قيمة لأولئك الذين يديرون تدفقات معلومات معقدة. تصميم النظام الذي يركز على البيانات المحلية يجذب المستخدمين الذين يفضلون خصوصية البيانات. تخطى هذا إذا كنت بحاجة إلى مصادقة على مستوى التطبيق تتجاوز الوصول إلى النظام المحلي.
كيفية البدء
لا تتطلب مشروع ثوث أي بيانات اعتماد. يشير تصميمه الذي يركز على البيانات المحلية إلى أن المصادقة تعتمد على الوصول إلى النظام المحلي للحالات المستضافة ذاتيًا، والتي يتم التعامل معها من خلال معالج إعداد TUI الأولي.
حالات الاستخدام
- تحديث مخططات التحليل، مثل تحسين الملاحظات من الأوراق لتشمل أقسام المنهجية.
- تحسين استفسارات البحث، على سبيل المثال، تضييق النطاق لتجنب النتائج غير ذات الصلة مثل أوراق الروبوتات في استفسار التعلم المعزز.
- تبديل مزودي LLM، مما يمكّن الوكيل من تحديث تكوين توجيه LLM الخاص به لتحليل الوثائق.
يقدم مشروع توت مساعد بحثي مدعوم بالذكاء الاصطناعي يركز على الخصوصية، متكاملاً مع PostgreSQL و Letta لذاكرة الوكيل المتقدمة. واجهته الطبيعية للغة وقدرته على تعديل معايير البحث مباشرة عبر تفاعل الوكيل تجعله أداة قيمة لممارسي الذكاء الاصطناعي. يدعم النظام التعديلات الديناميكية على مخططات التحليل، واستفسارات البحث، ومزودي LLM.
