Markdown-alapú AI-operációs rendszert mutatott be a Mindstone

A londoni székhelyű Mindstone startup bemutatta a Rebel nevű, helyi elsődleges (local-first) AI operációs rendszerét. A rendszer Fair Source licenc alatt fut, így 100 felhasználóig ingyenesen használható, nagyobb csapatoknak pedig vállalati licencet kell vásárolniuk. A Rebel fő előnyei az egyszerűsége és a testreszabhatósága, amelyek lehetővé teszik a csapatok számára, hogy egyedi munkafolyamataikhoz igazítsák. Az egész rendszer markdown fájlokra épül, ami egy szervezeti memóriaként funkcionál, biztosítva, hogy az ügynökök megbízhatóan használják a cég által preferált AI-modelleket minden feladathoz, akár dinamikusan váltva a helyi és a felhőalapú modellek között a költségek csökkentése, valamint az adatvédelem és biztonság megőrzése érdekében.

„A megosztott memória a legfontosabb dolog, amit egy tudásmunkás AI-val tehetünk” — mondta Greg Detre, a Mindstone technológiai igazgatója (CTO) egy interjúban. A Rebel már elérhető macOS-re (Intel és Apple Silicon), valamint Windowsra, Linux támogatás pedig fejlesztés alatt áll. A Mindstone 5 millió dollár befektetést gyűjtött be olyan magánbefektetőktől, mint a Pearson Ventures, a Moonfire Ventures és a Zanichelli Venture.

Kapcsolódó: LiteLLM Agent Platform

Helyi, markdown alapú architektúra

A Rebel megkülönböztető jegye a helyi elsődleges architektúrája. Ellentétben olyan, fejlesztőcentrikus keretrendszerekkel, mint a LangGraph, a CrewAI vagy az AutoGPT, amelyek adatbázisok, felhőinfrastruktúra és állapotkezelési logika összekötését igénylik, a Rebel alapvető ügynökmemóriája és utasításai helyi markdown (.md) szöveges fájlokban élnek. A Mindstone szerint a Rebel tárolja az állapotot, a promptokat, a feladatutasításokat és a memóriaként a fájlokban, lehetővé téve a felhasználók és vállalatok számára azok egyszerű megtekintését, áthelyezését vagy módosítását. Az egyik fő konfigurációs fájl, az agents.md, az ügynök alapvető utasításrétegeként és futásidejű határolójaként szolgál.

Kapcsolódó: Microsoft AI-eszközök

Ez az építészeti választás részben a költségeket is érinti. A Mindstone szerint az olyan elterjedt irodai formátumok, mint a Word dokumentumok és a PDF-ek gyakran hordoznak formázási és metaadat-túlterhelést, ami csökkenti a modell kontextusát és növeli az API-költségeket. A markdown közelebb tartja az információt a nyers szöveghez, így a modell kontextusablakának nagyobb része fordítható magára a feladatra, nem pedig a dokumentumszerkezetre. A cég ezt a megközelítést a gyártói függőség elleni védekezésként is pozicionálja.

Kapcsolódó: re_gent verziókövetés

Automatikus modellválasztás minden feladathoz

Egy másik fontos funkció a többféle modell orchestrációja. A Rebel képes egy feladatot részekre bontani, és különböző lépéseket különböző modellekhez irányítani, beleértve a helyi és a felhőalapú modellek közötti felosztást is, attól függően, hogy az információ mennyire érzékeny, vagy a vállalati szabályzatok hogyan diktálják. Egy erősebb modell kezelheti a tervezést vagy a komplex érvelést; egy olcsóbb modell a rutinfeladatokat; egy helyi modell pedig az érzékeny lépéseket vagy jóváhagyási ellenőrzéseket végezheti el. Ez fontos azoknak a vállalatoknak, amelyek rugalmasságot vagy költségellenőrzést keresnek. „Azt akarom, hogy képes legyek azt mondani: ’Segíts ebben’, és tudja, mi személyes, mi érzékeny, és mi osztható meg az egész céggel” — magyarázta Detre. Ez a modell-agnosztikus beállítás nagyobb kontrollt ad a vállalatoknak a költségek és a biztonság felett.

A Mindstone CTO-ja, Greg Detre, úgy tervezte a Rebel memóriarendszerét, hogy elkerülje az egyik gyakori problémát a vállalati AI-ban: nagy mennyiségű céges információt dobni egy adatbázisba, és remélni, hogy a keresés később megtalálja a megfelelő kontextust. Ehelyett a Rebel egy rétegzett memóriastruktúrát használ. Amikor egy interakció történik, a rendszer megbecsüli, hogy az információ mennyire valószínű, hogy újra hasznos lesz. A magas várható értékű információ egy helyi readme.md fájlba kerül, amely egy adott projekthez kapcsolódik. A mérsékelt várható értékű információ referenciamutatóvá válik a mélyebb történelmi rekordok felé. Az alacsonyabb prioritású anyagok egy indexelt memóriakönyvtárban tárolódnak, ahol elérhetőek maradnak, de szunnyadnak, amíg egy releváns feladat vissza nem hívja őket.

Kapcsolódó: NanoClaw 2.0 biztonság

ROI irányítópult és licencelés

Nagyobb szervezetek számára a Mindstone Pro egy Impact Dashboardot kínál, amely azt hivatott bemutatni, hogy a Rebel hol takarít meg időt és pénzt az üzleti egységekben. A Mindstone szerint az irányítópult egy külön, zárt LLM-et használ a telemetria értékelésére és az üzleti hatás kiszámítására. A cég azt állítja, hogy a rendszert konzervatívan kalibrálják, a becsült teljesítménynövekedés alsó tartományát használva, hogy elkerüljék a túlzó termelékenységi állításokat. Ez a funkció egy gyakorlati problémára reagál a vállalati AI-vásárlók számára: az érték bizonyítására anélkül, hogy túlzottan megfigyelnék az alkalmazottakat.

Kapcsolódó: Salesforce Agentforce

A Mindstone a Rebelt Fair Source licenc alatt adja ki, egy olyan modell alatt, amely a teljesen zárt SaaS és a megengedő nyílt forráskód között helyezkedik el. A licenc értelmében a Rebel kódja megtekinthető, auditálható, módosítható és telepíthető. Az egyéni felhasználók és a legfeljebb 100 egyidejű felhasználóval rendelkező szervezetek ingyenesen futtathatják. Ha egy szervezet meghaladja ezt a küszöböt, kereskedelmi Mindstone Pro licencre van szüksége. A licenc tartalmaz egy kétéves lejárati záradékot is.