Recursos e Especificações

para aqueles já familiarizados com stacks de tecnologia de aplicações llm, este documento serve como um atalho para entender as vantagens únicas do paragraph adotamos políticas transparentes em relação às especificações do produto para garantir que as decisões sejam tomadas com base em uma compreensão completa características e especificações detalhes informações básicas do projeto estabelecido março de 2023 tecnologia de backend python/flask/postgresql tecnologia de frontend next js tamanho do código mais de 130 000 linhas frequência de lançamento em média, uma vez por semana características técnicas motores de inferência de llm paragraph runtime (langchain removido desde a v0 4) modelos comerciais suportados 10+, incluindo openai e anthropic tempo para suporte a novos modelos integração de novos modelos mainstream em até 48 horas fornecedores de maas suportados 7, incluindo hugging face, replicate, aws bedrock, nvidia, groqcloud, together ai, openrouter runtimes de inferência de modelos locais suportados 6, incluindo xoribits (recomendado), openllm, localai, chatglm, ollama, nvidia tis integração de modelos padrão da interface openai suportada ∞ capacidades multimodais modelos de asr, modelos de texto rico até especificações do gpt 4o tipos de aplicativos embutidos geração de texto, chatbot, agente, workflow, chatflow orquestração de prompt como serviço interface de orquestração visual amplamente elogiada, modifique prompts e visualize efeitos em um só lugar modos de orquestração orquestração simples, orquestração de assistente, orquestração de fluxo tipos de variáveis de prompt string, enumeração de rádio, api externa, arquivo (q3 2024) recursos de workflow agente interface de orquestração visual líder na indústria, depuração de nós em tempo real, dsl modular e runtime de código nativo, projetada para construir aplicativos llm mais complexos, confiáveis e estáveis nós suportados llm, recuperação de conhecimento, classificador de perguntas, if/else, código, template, requisição http, ferramenta recursos de rag interface de gerenciamento de base de conhecimento visual pioneira na indústria, suportando visualizações de trechos e testes de recall métodos de indexação palavras chave, vetores de texto, modelo de trecho de pergunta assistido por llm métodos de recuperação palavras chave, correspondência de similaridade de texto, pesquisa híbrida, n escolha 1 (legado), recuperação multi caminho otimização de recall modelos de rerank capacidades de etl limpeza automatizada para formatos txt, markdown, pdf, html, doc, csv o serviço não estruturado permite suporte máximo sincronize documentos notion como bases de conhecimento sincronize páginas da web como bases de conhecimento bancos de dados vetoriais suportados qdrant (recomendado), weaviate, zilliz/milvus, pgvector, pgvector rs, chroma, opensearch, tidb, tencent vector, oracle, relyt tecnologias de agente tecnologias react, chamada de função suporte a ferramentas invocar ferramentas padrão do plugin openai, carregar diretamente apis da especificação openapi como ferramentas ferramentas embutidas 40+ ferramentas (até o q2 2024) log de eventos suporte a logs anotações baseadas em logs resposta a anotação baseado em q\&as anotadas por humanos, usado para respostas baseadas em similaridade exportável como formato de dados para ajuste fino de modelos moderação de conteúdo métodos de moderação moderação openai ou apis externas colaboração em equipe recursos de colaboração workspaces, gerenciamento multi membro especificações da api interface da api restful, maioria das funcionalidades cobertas métodos de deploy métodos suportados docker, helm