py-gpt
D11/40MCP / 工具洞察置信度：中Desktop AI Assistant powered by GPT-5, GPT-4, o1, o3, Gemini, Claude, Ollama, DeepSeek, Perplexity, Grok, Bielik, chat, vision, voice, RAG, image and video generation, agents, tools, MCP, plugins, speech synthesis and recognition, web search, memory, presets, assistants,and more. Linux, Windows, Mac
Executive Insight
py-gpt 属于「MCP / 工具」方向，综合分 11/40（D）。当前最强项是 工具使用、评估与验证、LLM 集成，短板集中在 记忆系统、知识检索 (RAG)。
核心优势
- - 工具使用达到 5/5（Level 5），说明该项目在这一能力上较成熟。
- - 评估与验证达到 3/5（Level 3），说明该项目在这一能力上较成熟。
- - LLM 集成达到 1/5（Level 1），说明该项目在这一能力上较成熟。
能力短板
- - 记忆系统仅 0/5，当前更像“可用基础版”，需要补齐工程化能力。
- - 知识检索 (RAG)仅 0/5，当前更像“可用基础版”，需要补齐工程化能力。
适用场景
- - 把现有工具标准化接入 LLM
- - 统一 AI 工具协议层
落地风险与建议
- - 该条目为启发式分析，建议在核心决策前做一次仓库级人工复核。
- - 人机协作机制偏弱，生产环境需增加人工审批或灰度发布闸门。
- - 补会话摘要与长期记忆存储，减少上下文丢失。
- - 优先引入检索层：切块 + 向量召回 + 重排，提升事实性。
Intelligence Profile
Dimensions
LLM 集成
Level 1
Level 1: 单次 API 调用
Agent 自主性
Level 1
Level 1: 单步指令执行
记忆系统
Level 0
Level 0: 无记忆
工具使用
Level 5
Level 5: 动态工具发现 + 自定义工具
知识检索 (RAG)
Level 0
Level 0: 无 RAG
多模态
Level 0
Level 0: 纯文本
评估与验证
Level 3
Level 3: 自动测试 + CI
人机协作
Level 1
Level 1: AI 建议 + 人工执行
Architecture
Desktop AI Assistant powered by GPT-5, GPT-4, o1, o3, Gemini, Claude, Ollama, DeepSeek, Perplexity, Grok, Bielik, chat, vision, voice, RAG, image and video generation, agents, tools, MCP, plugins, speech synthesis and recognition, web search, memory, presets, assistants,and mo…
GitHub Live Metrics
Loading live metrics...