Teenage-AGIAtvērta koda autonomisks AI agents ar pastāvīgu atmiņu un kontekstualizētu saprašanu.

4.8 (4)

Pārskatījis Daniel Nikulshyn·Atjaunināts 2026. g. jūlijs

Pārskats

Teenage-AGI ir eksperimentālais autonomais agentu projekts, kas kombinē lielu valodas modeli ar vektora datubāzi, lai nodrošinātu agentam ilgtermiņu, pieskatāmu memoriju. Atšķirībā no bezvalodu konsultāķiem, tas saglāba savus domas un darbības, tādējādi var atgādināt iepriekšējo kontekstu šļauta sesijās un uzņemot iepriekšējās rēķināšanās. Darbības agents strādā atkārtojošā ciklā - domāšana, darbība un atmiņa - tādējādi izvēloties, kad uzņēmēji var pierakstīt atvērtos uzdevumus un izsekot, kā tas plāno un izpilda tos. Tas ir galvenokārt pielāgots pētniekiem un amātiem, kas vēlama izpētīt agensiālo izjūtu, atmiņas atrievošanos un praktiskās robežas, kas ierobežo nākotni LLM-bāzētu neatkarību. Šo projektam nav jābūt lielu tehnikuma priekšjutības ietekmeju meklētājiem, jo tas ir komūnijas sāciesīgs, kodu pirmais, projektu, kuru labāk ir pieejams tadai lietotājiem, kuri ir ātri pieņemīgi ar Python, API atslēgti un autošošanas funkcionalitāti, nevis tadai lietotājiem, kas meklē skaistu, par tādu projekts paredzētu lietotāju.

Galvenās funkcijas

Autonomais domāšanas‑rīcības‑atcerēšanās cikls
Vektoru datubāze ilgtermiņa atmiņai
LLM balstīta kontekstualizēta domāšana
Sesiju pāri zināšanu saglabāšana
Python-bāzēta, self-hosted implementācija
Pielāgojami mērķi un prompts

Cenas

Modelis: Freemium
Kategorija: AI Agents
Vērtējums: 4.8 / 5 (4)

Lietošanas gadījumi

Autonomisks pētniecības asistents

Teenage-AGI var palīdzēt pētniekiem, savācot un analizējot lielu datu apjomu, veicot savienojumus starp šķietami nesaderīgiem jēdzieniem un sniedzot ieskatus caur kontekstualizētu domāšanu.

Virtuāls skolotājs vai līdzceļotājs

AI agents var piedalīties sarunās, saprast un atbildēt uz emocionālām signāliem, un pielāgoties individuālo lietotāju vajadzībām un mācīšanās stilam, piedāvājot personalizētu mācīšanās pieredzi.

Plusi un mīnusi

Plusi

Brīvs un atvērts pirmkods
Pastāvīga ilgtermiņa atmiņa, izmantojot vektoru glabāšanu
Ielabots sandbox, lai izpētītu agentu uzvedību
Pielāgojama un paplašināma kodu bāze

Mīnusi

Pieprasa tehnisku uzstādīšanu un API atslēgas
Token un datubāzes izmaksas var ātri pieaugt
Eksperimentāls, nav gatavs ražošanai
Ierobežota UI un dokumentācija

Atsauksmes

4.8

Vidējais no 4 vērtējumiem.

Pieslēdzies, lai atstātu atsauksmi.

Margaret Whitfield

Apr 9, 2026

Solid for our team

We rolled this out across the team last quarter and customizable and extensible codebase. Python-based, self-hosted implementation fits neatly into how we already work, and autonomous think-act-remember loop removed a step we used to do by hand. Experimental, not production-ready, which is the main caveat, but it has held up under daily use.

Victor Nguyen

Dec 22, 2025

Years in this space

I've evaluated a lot of these over the years. What stands out here is python-based, self-hosted implementation — handled better than most — and customizable and extensible codebase. Token and database costs can grow quickly is my one real gripe. Worth the time if this is your use case.

Fatima Zahra

Dec 20, 2025

Does the job

Pretty happy overall. Python-based, self-hosted implementation just works and customizable and extensible codebase. but no dealbreakers — I'd recommend it to a friend without hesitating.

Aisha Khan

Jul 19, 2025

Does the job

Pretty happy overall. Vector database for long-term memory just works and persistent long-term memory via vector storage. but no dealbreakers — I'd recommend it to a friend without hesitating.