Recall lernt dauerhafte Fakten aus jedem Gespräch und verankert Antworten in Ihren eigenen Dokumenten, und hält beides in einem gemeinsamen Wissensgraphen. Stellen Sie eine Frage, und Recall ruft die relevanten Fakten und Passagen ab, den Verbindungen zwischen ihnen folgend. Extraktion und Retrieval laufen auf EU-souveränen Modellen, abgegrenzt auf jeden Endnutzer und jeden Workspace, und auf Anfrage löschbar.
lernen · verknüpfen · abrufen
Ein Modell behält nichts zwischen Anfragen und antwortet nur aus seinem Training, nicht aus Ihrem Handbuch oder der Entscheidung von letzter Woche. Also senden Sie bei jedem Aufruf denselben Kontext erneut und übersehen trotzdem, worauf es ankommt. Bauen Sie es selbst, betreiben Sie einen Store, einen Extraktionsschritt und einen Abrufschritt und halten all das korrekt, während sich Fakten ändern, oft über eine US-API, die Ihre Daten ins Ausland verschickt. Zwei halbe Lösungen, Gedächtnis und Retrieval, die nie teilen, was sie wissen.
Senden Sie ein user mit Ihrer Anfrage, fügen Sie Ihre Dokumente einmal hinzu, und Recall erledigt den Rest. Nichts zu kennzeichnen, kein Kontext erneut zu senden, kein Retrieval-Aufruf zu verdrahten.
Jeder Endnutzer hat sein eigenes Gedächtnis, und jeder Workspace seine eigenen Dokumente. Recall liest genau den Geltungsbereich, den eine Anfrage benennt, niemals den eines anderen Nutzers, eines anderen Workspace oder eines anderen Mandanten.
Die Modelle, die das Gespräch lesen und Ihre Dokumente embedden, laufen auf EU-souveränen Endpoints, und der Graph liegt in einem EU-ansässigen Store. Das Gedächtnis Ihrer Nutzer und Ihre Wissensbasis verlassen die EU nie.
Abgerufene Fakten werden von der Firewall vor dem Egress pseudonymisiert, jede Antwort kann ihre Quellen zitieren, der Audit-Trail erfasst nur Metadaten, und ein Aufruf löscht alles, was für einen Endnutzer gespeichert ist.
Den gesamten Verlauf in jeden Prompt zu stopfen ist langsam, teuer und vergisst trotzdem, worauf es ankommt. Ein Eigenbau-Retrieval-Stack ist eine Vector-Datenbank plus eine Embedding-API plus Klebecode. Recall ist eine einzige geregelte Wissensschicht, in der Fakten und Dokumente sich einen Graphen teilen.
Erstellen Sie einen Key, senden Sie ein user mit Ihren Anfragen, fügen Sie Ihre Dokumente hinzu und hören Sie auf, bei jedem Aufruf denselben Kontext erneut zu senden.
We use privacy-friendly, EU-hosted analytics to understand how Akumi is used. Accept analytics cookies, or continue without them. See our cookie policy.
