Дайте своему Slack память: Хакатон Cognee и Qdrant

Знания вашей команды зарыты в потоках Slack, которые никто не может снова найти. Cognee и Qdrant объединяются для вечернего совместного строительства. Мы покажем вам, как создать систему памяти и извлечения данных поверх вашего рабочего пространства Slack. Система собирает разговоры, обнаруживает модели и превращает их в агентоспособные НАВЫКИ. Каждый НАВЫК извлекает наиболее релевантный контекст для вашей задачи и строит структурированную память на основе ваших неструктурированных данных. Что вы построите Работая в небольших командах (или в одиночку, если вы предпочитаете), вы подключите движок памяти Cognee к векторному поиску Qdrant, чтобы дать рабочему пространству Slack настоящую способность к воспоминанию. К концу вечера вы: Покажите, на что вы способны У вас будет 2 минуты, чтобы представить демонстрацию, в которой вы: 🏆 1,200€ денежный приз Главные призы: 🥇 Приз: 600€ наличными 🥈 Приз: 400€ наличными 🥉 Приз: 200€ наличными Плюс потрясающие сувениры от обеих компаний Qdrant и Cognee для всех участников. Расписание Принесите ноутбук. У нас будут ключи API, образцы наборов данных и люди из обеих команд, чтобы помочь вам в случае затруднений. Количество мест ограничено. Не можете прийти? Пожалуйста, отмените ваше RSVP, чтобы мы могли предложить ваше место кому-то другому. Во время мероприятия будут сделаны фотографии, которые могут быть использованы Cognee позже. О Qdrant: Qdrant — это движок векторного поиска с открытым исходным кодом, созданный для работы с данными высокой размерности в масштабе. Он обеспечивает слой извлечения за некоторыми из самых требовательных AI-приложений в производстве сегодня, от RAG потоков до рекомендательных систем и AI-агентов, предоставляя разработчикам быстрый и точный поиск по схожести везде, где это необходимо. О Cognee: Cognee — это движок памяти AI с открытым исходным кодом, который преобразует неструктурированные данные в постоянную, запрашиваемую память. Он позволяет AI-агентам хранить, извлекать и рассуждать над информацией на протяжении времени и инфраструктуры, что позволяет создавать надежные, адаптивные и сохраняющиеся AI-системы, которые работают безупречно как в облачной, так и в локальной среде.