context-management

RAGFlow adalah mesin Retrieval-Augmented Generation (RAG) sumber terbuka terkemuka yang menggabungkan RAG mutakhir dengan kapabilitas Agent untuk menciptakan lapisan konteks unggul bagi LLM

Platform Konteks untuk Data dan AI Stack Anda

VCP ditempatkan di antara API model AI dan aplikasi frontend, merupakan proyek infrastruktur tingkat industri untuk pengembangan dan eksplorasi AGI OS. Melalui protokol instruksi terpadu, memori persisten multi-level, mesin plugin terdistribusi, dan kerangka kerja kolaborasi multi-Agent, VCP mengubah model bahasa besar yang semula "tanpa status, tanpa memori, dan tanpa kemampuan pemanggilan alat" menjadi sistem agen cerdas lengkap yang memiliki kesadaran diri permanen, hak akses operasi dunia fisik, dan kecerdasan kolaborasi kelompok.

Konteks tak terbatas. Memori yang mengelola dirinya sendiri. Satu sesi, seumur hidup. Hippocampus untuk agen coding, bagian dari CortexKit.

Memori proyek persisten untuk agen pengkodean AI. Kerangka terstruktur + CLI deteksi penyimpangan.

Penyimpanan konteks pribadi untuk agen dan asisten AI—gunakan kembali CLI agen pengodean Anda (Codex/Claude/OpenCode) dengan Skills/tools bawaan dan GUI desktop untuk menangkap, mencari, dan menggunakan kembali pengetahuan proyek di berbagai agen dan repositori.

Kanwas — Papan konteks bersama untuk tim dan agen

Konteks lintas sesi untuk Claude Code. CLI + server MCP + skill /story yang melacak tiket, masalah, serah terima, dan peta jalan di direktori .story/

Rekomendasi berbasis repositori untuk skill, agen, server MCP, dan model harness. Gunakan inventaris Anda sendiri atau grafik bawaan dengan 79.958 node yang mencakup 68.494 skill, 467 agen, 10.790 MCP, dan 207 harness.