Skillgraph

Skillgraph é um framework inovador e de código aberto (licenciado sob Apache 2.0) para o desenvolvimento de agentes de IA que são mais eficazes, econômicos e controláveis do que aqueles construídos com ferramentas existentes. Ele aborda frustrações comuns como altos custos operacionais, falta de controle do agente e complexidade na implementação de fluxos de trabalho multi-turnos. Ao introduzir 'habilidades' como unidades de trabalho sofisticadas, o Skillgraph permite que os agentes deleguem tarefas complexas, gerenciem o estado e orquestrem múltiplas ferramentas de forma eficiente. Ele se concentra em reduzir o desperdício de tokens, simplificar interações multi-turnos e garantir alta confiabilidade por meio de mecanismos inteligentes de cache e fallback.

Como usar Skillgraph

Desenvolvedores podem usar o Skillgraph para definir e registrar 'habilidades', que são unidades inteligentes que encapsulam tarefas, lógicas e fluxos de trabalho específicos. Em vez de instruir diretamente um agente a chamar ferramentas de baixo nível, os desenvolvedores configuram habilidades que sabem quando são relevantes (através da detecção de intenção), podem lidar com conversas multi-turnos (Modo Habilidade) e gerenciar seus próprios processos internos. O framework fornece uma arquitetura para memória (Sujeito-Objeto), cache, confiabilidade (fallback de LLM) e gerenciamento de conversas (resumo, pesquisa vetorial) para suportar essas habilidades. O código está disponível no GitHub, permitindo implementação e personalização diretas.

Recursos principais do Skillgraph

• Arquitetura Baseada em Habilidades: Substitui a chamada de ferramentas tradicional por 'habilidades' sofisticadas que gerenciam sua própria lógica, orquestram múltiplas ferramentas e gerenciam o estado.
• Suporte Nativo a Multi-turnos (Modo Habilidade): Permite que as habilidades assumam o controle exclusivo da conversa por várias rodadas, simplificando fluxos de trabalho complexos como reservas ou preenchimento de formulários.
• Arquitetura de Memória Sujeito-Objeto: Um sistema rápido, barato e eficaz para gerenciar o estado da conversa, rastreando os objetivos do usuário (Sujeito) e o tópico de discussão atual (Objeto), substituindo sistemas RAG complexos para o estado.
• Cache Inteligente: Implementa cache multi-camadas (cache de prompt Anthropic para prompts de sistema, Redis para histórico de conversas) para reduzir significativamente os custos e melhorar a velocidade de recuperação.
• Confiabilidade Integrada (Cadeias de Fallback de LLM): Garante alta disponibilidade (99.9%) implementando cadeias de fallback para solicitações de API de LLM (por exemplo, Beta → Alpha → Tentar novamente) e degradação graciosa para análise de estado.
• Código Aberto (Apache 2.0): Disponível gratuitamente para uso comercial, modificação e distribuição, com código no GitHub.
• Compreensão de Intenção: Usa um classificador rápido (Utility LLM) para detectar a intenção do usuário e rotear mensagens para a habilidade mais relevante com base na similaridade semântica e correspondência de palavras-chave.
• Pesquisa Vetorial para Recuperação: Utiliza pgvector para pesquisar semanticamente mensagens passadas dentro de uma conversa, permitindo que os agentes recuperem informações de interações anteriores em conversas longas.
• Resumo de Conversa: Emprega resumo incremental a cada 10 mensagens (configurável) para gerenciar limites de contexto, permitindo que as conversas continuem indefinidamente.
• Suporte a Múltiplos LLMs: Suporta vários LLMs, incluindo Anthropic, OpenAI, Azure, Bedrock, Deepseek, Together e Huggingface.
• Guardrails e Segurança: Inclui recursos como limitação de taxa e detecção de injeção de SQL.

Casos de uso para Skillgraph

O Skillgraph é ideal para desenvolvedores e organizações que buscam construir agentes de IA avançados, confiáveis e econômicos. Casos de uso específicos incluem o desenvolvimento de agentes de IA conversacionais sofisticados para suporte ao cliente ou assistentes virtuais, a criação de sistemas complexos de automação de tarefas multi-etapas (por exemplo, reserva de passagens, processamento de pedidos, coleta de dados) e a implementação de fluxos de trabalho orientados por IA que exigem memória persistente e contexto em interações longas. Também é adequado para experimentar e construir aplicativos de IA agênticos de próxima geração que exigem alta confiabilidade e eficiência de custos.

Vantagens do Skillgraph

O Skillgraph oferece várias vantagens importantes sobre os frameworks tradicionais de agentes de IA. Ele proporciona uma eficiência de custo significativa, reduzindo o uso de tokens por meio da delegação baseada em habilidades e cache inteligente, levando a uma redução de 89% nos custos de tokens de prompt do sistema. Os desenvolvedores obtêm maior controle sobre o comportamento do agente, encapsulando a lógica dentro das habilidades, garantindo resultados mais previsíveis. O framework simplifica fluxos de trabalho multi-turnos com suporte nativo via Modo Habilidade, eliminando a necessidade de soluções alternativas complexas. Cadeias de fallback de LLM integradas e mecanismos de degradação graciosa garantem operação robusta e maior confiabilidade mesmo durante interrupções de API. Além disso, sua arquitetura de memória Sujeito-Objeto oferece uma alternativa rápida e barata ao RAG tradicional para gerenciar o estado conversacional, e sua natureza de código aberto oferece flexibilidade para uso comercial e contribuições da comunidade.