Ce que nous mettons en open source
Nous publions une partie de ce que nous construisons. Le framework derrière nos systèmes d’agents, et quelques bibliothèques plus petites issues de nos travaux de recherche.
Framework d’IA agentique · Python
Gwenflow
Gwenflow exécute des agents IA : donnez à un agent un objectif, des outils, une mémoire et un modèle, et il raisonne, agit, observe et recommence jusqu’à ce que l’objectif soit atteint. Nous l’utilisons dans chaque système agentique que nous construisons, et nous l’avons écrit nous-mêmes pour maîtriser chaque ligne de code que nos agents exécutent, afin que toute décision prise sur les données d’un client puisse être ouverte, expliquée et modifiée.
from gwenflow import Agent, ChatMistralfrom gwenflow.tools import Tool def accounts_at_risk(period: str, min_drop: int = 10) -> list[dict]: """Accounts whose usage fell by at least `min_drop` percent.""" return crm.query(period=period, trend="down", min_drop=min_drop) agent = Agent( name="Account review", instructions="Rank the accounts at risk, with the figures.", llm=ChatMistral(), tools=[Tool(accounts_at_risk)],) response = agent.run("Which accounts are at risk this quarter?")Bibliothèques de recherche
Plus petites et plus ciblées. Chacune est née d’un problème que nous avons dû résoudre pour nous-mêmes.
okflib
Stocker, interroger et générer de la connaissance au format Open Knowledge Format : des bundles markdown avec frontmatter YAML, signaux de confiance et ingestion par les LLM.
Voir sur GitHubnanoSAE
Une bibliothèque légère et rapide pour entraîner des autoencodeurs parcimonieux dédiés à l’analyse sémantique.
Voir sur GitHub