Teenage-AGIВідкритий автономний AI-агент з постійною пам’яттю та контекстуальним розумінням.

4.8 (4)

Перевірено Daniel Nikulshyn·Оновлено липень 2026 р.

Огляд

Teenage-AGI є експериментальним проектом автономного агента, який поєднує великий мовний модел із векторною базою даних для забезпечення агенту довгострокової, запитувальної пам'яті. У порівнянні зі штатними чатботами, воно зберігає свої думки та дії, щоб можна було перекликати попередній контекст протягом окремих сесій та продовжувати попереднє розуміння. Агент працює у петлі мислення, дії та пам'яті, що дозволяє розробникам призначати відкрите завдання та спостерігати, як воно розробляє та виконує їх. Призначений головним чином для дослідників та любителів, які бажають дослідити агентні поведінки, мовлення кероване пам'яттю та практичні обмеження сучасної незалежності, заснованої на LLM. З огляду на те, що це спільноголовий, код-перше проект, Teenage-AGI краще підходить користувачам, які знайомі з Python, ключами API та самозасновенням, а не тим, хто шукає ґладкову споживчу продукцію.

Ключові функції

Автономний цикл мислення-дії-пам’яті
Векторна база даних для довгострокової пам’яті
Контекстуальне розуміння на базі LLM
Збереження знань між сесіями
Реалізація на Python, самостійний хостинг
Налаштовувані цілі й підказки

Ціни

Модель: Freemium
Категорія: AI-агенти
Рейтинг: 4.8 / 5 (4)

Кейси використання

Автономний науковий асистент

Teenage-AGI може допомагати дослідникам, збираючи й аналізуючи великі обсяги даних, знаходячи зв’язки між, ймовірно, несвязаними концепціями й надаючи інсайти через контекстуальне розуміння.

Віртуальний репетитор або супутник

AI-агент може вести розмови, розпізнавати й реагувати на емоційні сигнали, а також пристосовуватись до потреб й стилю навчання окремих користувачів, пропонуючи персоналізований досвід навчання.

Плюси і мінуси

Плюси

Безкоштовний і відкритий код
Постійна довгострокова пам’ять через векторне сховище
Корисне середовище для вивчення поведінки агента
Налаштовуваний й розширюваний кодовий базис

Мінуси

Вимагає технічної налаштування й ключів API
Вартість токенів й бази даних може швидко збільшуватись
Експериментальний, не готовий до виробництва
Обмежений інтерфейс користувача й документація

Відгуки

4.8

Середнє з 4 оцінок.

Увійди, щоб залишити відгук.

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.