Duplex og CopilotKit CLiF,
side om side.
CopilotKit CLiF gjør virkelige arbeidsflyter fra brukere om til gjennomgåtte ferdigheter, evalueringer og treningsdata. Duplex lærer av hvert resultat mens arbeidet pågår, og handler ut fra det den har lært, innenfor reglene dine.
Sammenligningen gjelder per 16. oktober 2026.
Alle evner: Duplex og CopilotKit CLiF.
Hva hver av dem gjør, gruppe for gruppe, fra hva det er til hva det koster.
- Innebygd
- Bygget inn i hvordan produktet fungerer i kjernen.
- Ekstern
- Du sørger for det, eller setter det sammen, separat.
- Ikke innebygd
- Produktets dokumentasjon oppgir det ikke som en innebygd funksjon. En egen løsning kan likevel være mulig.
| Evne | Duplex | CopilotKit CLiF |
|---|---|---|
| Hva hver av dem er | ||
| Hva det er | En kjøretidsintelligens ved siden av KI-en din: den lærer og handler for agentene og assistentene dine, innenfor reglene dine | En fullstack-pipeline som gjør trajektorier om til ferdigheter, evalueringer og treningsdata |
| Hva som føres videre | Kontekst, beslutninger, utfall, regler, oppgaver, ferdigheter og det den har lært | Tråder, trajektorier, innsikter, ferdigheter og evalueringer |
| Hva som blir bedre med erfaring | De neste beslutningene: hvor sikker den er, ruting, anbefalinger, verktøybruk og gjenbrukbar kunnskap | Agentens instrukser, via gjennomgåtte ferdigheter hentet fra virkelige arbeidsflyter |
| Å vite hva som skjedde, og lære av det | InnebygdDen vet hva som skjedde, og lærer hva den skal endre neste gang | Læring genereres fra lagrede trajektorier |
| Læring | ||
| Kontinuerlig læring uten omtrening | InnebygdDen fortsetter å lære, utenfor vektene i modellen din | InnebygdFerdighetslæring; data til finjustering er valgfritt |
| Tilpasning tur for tur | InnebygdHvert nytt resultat kan endre neste beslutning med en gang | Analysen kjøres manuelt eller etter en tidsplan |
| Læring av rettelser | InnebygdEn rettelse endrer det Duplex gjør videre | Brukerendringer og handlinger i appen mater læringen |
| Læring av utfall | InnebygdSuksess og feil går rett tilbake inn i det den lærer | Utfall i hele stacken blir innsikter, ferdigheter, evalueringer og treningsdata |
| Læring av belønninger | InnebygdEn belønning forsterker det som virket, og retter opp det som ikke gjorde det | Kan lage data til finjustering fra evaluerte trajektorier |
| Æren for stegene bak et resultat | InnebygdDen finner ut hvilke tidligere handlinger som førte til et senere resultat | Analyse av trajektorier kan avdekke nyttige mønstre i arbeidsflyten |
| Hvordan handlinger fører arbeidet videre | InnebygdDen lærer hvordan hver handling fører arbeidet fra én tilstand til den neste | Kan gjøre arbeidsflyter om til ferdigheter |
| Å forutsi hva en handling vil gjøre | InnebygdUt fra det den observerer, forutsier den hva en handling vil gjøre, prøver alternativer og planlegger | EksternOverlatt til agentrammeverket |
| Bedre valg av handling | InnebygdUtfall forbedrer hvilken handling den velger neste gang | Gjennomgåtte ferdigheter forbedrer agentens neste instrukser |
| Gjenbrukbare ferdigheter | InnebygdErfaring blir ferdigheter som testes før bruk, og som kan settes på pause, tas i bruk igjen eller trekkes tilbake | InnebygdTrajektorier blir gjennomgåtte ferdigheter, støttet av belegg |
| Testing og forvaltning av ferdigheter | En ferdighet testes før man stoler på den, og kan settes på pause, tas i bruk igjen, trekkes tilbake eller fjernes for godt | Publisert etter menneskelig gjennomgang, levert i en fastlåst versjon |
| Generalisering til beslektede saker | Den tar det den har lært med til beslektede saker og nye formuleringer, og inn i ferdigheter den kan gjenbruke | Ferdigheter fanger opp mønstre på tvers av mange trajektorier fra produksjon |
| Beslutning og handling | ||
| Å vite hvor sikker den er | InnebygdFør hver beslutning vet den hvor kjent saken er og hvor sikker den er | Drevet av evaluering, ikke et løpende mål på sikkerhet |
| Svare, overlevere eller avvise | InnebygdDuplex svarer selv, kaller modellen din, bruker et verktøy eller avviser, innenfor reglene dine | EksternVertsagenten avgjør hvordan den skal handle |
| Å svare selv på kjent arbeid | InnebygdDen tar kjente beslutninger selv, uten enda et kall til en ledende modell | Modellen leser fortsatt den lærte ferdigheten |
| Å overlevere det som er nytt eller usikkert | Nytt, usikkert eller sensitivt arbeid går til riktig modell, verktøy eller person | EksternVertsagentens oppgave |
| Planlegging, simulering og anbefalinger | InnebygdDen forutsier hva som skjer videre, prøver alternativer, legger planer og anbefaler handlinger | EksternVertsagentens oppgave |
| Mange agenter som jobber sammen | Den sender arbeid til riktig agent, deler det opp innenfor reglene dine, holder hver agent innenfor sitt område og samler resultatene | Fungerer på tvers av støttede agentrammeverk |
| Å lære hvilke verktøy som virker | Den lærer hvilke verktøy som virker, når de skal brukes og hva hvert av dem fører til | Fullstack-trajektorier fanger opp verktøy- og brukerhandlinger til nye ferdigheter |
| Verktøyhandlinger innenfor reglene dine | Verktøy kjører bare gjennom reglene og tillatelsene dine | Styrt av agentrammeverket som er vert |
| Strømming | Den strømmer utdata fra modeller og verktøy, med hvert steg fortsatt innenfor reglene dine | Tilgjengelig via støttede agentrammeverk |
| Arbeid som fortsetter | ||
| Læring av hvert steg, automatisk | Hvert steg, via MCP + hooks eller pluginene, mater én felles læringssløyfe | AG-UI fanger opp agent- og brukerhandlinger som fullstack-trajektorier |
| Kontekst på tvers av økter | InnebygdArbeid, beslutninger, oppgaver og konteksten som betyr noe, fortsetter på tvers av økter | Varige tråder tar vare på interaksjoner i appen |
| Langvarig arbeid | InnebygdLangvarig arbeid holdes åpent på tvers av økter og agenter, med trygge punkter å gå tilbake til, til det er ferdig eller glemt | Varige tråder tar vare på historikken over interaksjoner |
| På tvers av modeller | InnebygdDet den lærer, og konteksten din, blir værende utenfor modellen og følger arbeidet på tvers av tilbydere | Sterk: ferdigheter kan leveres på tvers av støttede agentstacker |
| På tvers av apper og agenter | Det samme arbeidet fortsetter på tvers av Claude, Codex, Cursor, Hermes og dine egne agenter | Ferdigheter kan leveres via støttede rammeverksadaptere |
| Å overlevere arbeid til en annen agent | En oppgave og konteksten går over til en annen agent du tillater, klar til å fortsette | Delte trajektorier og publiserte ferdigheter holder atferden konsekvent |
| Å holde konteksten kompakt | Konteksten holdes kompakt, med vekt på reglene, oppgavene og beslutningene som betyr noe | Trajektorier destilleres til innsikter og ferdigheter |
| Læring fra bilder, lyd, video og PDF-er | Den lærer av bilder, lyd, video og PDF-er, slik den gjør av tekst | Avhenger av de innfangede app-hendelsene og agentstacken |
| På tvers av medier | Et spørsmål i ord kan bygge på det som er lært fra bilder, lyd og video, og medier kan forme senere beslutninger | Utenfor hovedfokuset til CLiF |
| Personer, team og deling | ||
| For hver person | InnebygdHver person får sin egen private kontekst, egne preferanser og egen læring | Mulig via tråder i appen og læringscontainere |
| For hvert team | InnebygdTeam deler godkjent læring, og privat arbeid forblir privat | Publiserte ferdigheter sprer teamets læring |
| På tvers av organisasjonen | InnebygdDet som virker, kan flyttes fra én person til teamet og organisasjonen, under reglene dine | Gjennomgåtte ferdigheter kan spres på tvers av støttede agenter |
| Deling mellom personer, under kontroll | Du velger hva som deles og med hvem, og kan trekke det tilbake; alt som deles, viser hvem det kom fra | Tillatelser for prosjekter og utrullinger |
| Beskyttelse av delt innhold | Det noen deler, kommer fram som informasjon, aldri som instrukser, så det kan ikke styre en annen persons agent | Utviklerens policy og verktøybegrensninger går foran ferdigheter |
| Kontroll og tillit | ||
| Reglene | Reglene dine er en del av hvordan Duplex fungerer: de tillater, avviser eller begrenser reelle handlinger | Lærte ferdigheter kan ikke overstyre utviklerens sikkerhetsregler eller verktøybegrensninger |
| Regler brukt før hver handling | InnebygdHookene kontrollerer hver handling mot reglene dine før den kjøres | Ligger hos vertsappen og agentrammeverket |
| Mennesker i sløyfen | En person bekrefter handlingene du velger, og det Duplex lærer, kan gjennomgås og angres | En grundig gjennomgang før lærte ferdigheter publiseres |
| En historikk du kan sjekke | En historikk over hver beslutning, hvor den kom fra og hva den førte til, som ikke kan endres i det stille | Innsikter støttet av belegg, og trajektoriene de stammer fra |
| Kvitteringer du kan verifisere | Beslutninger, ferdigheter og slettinger kan følges av kvitteringer du kan verifisere | Lenker til belegg og nøyaktige revisjoner av ferdigheter |
| Å angre det som ble lært, nøyaktig | InnebygdÉn lært endring kan angres nøyaktig, uten å trene om noe | Publiserte ferdigheter kan revideres eller trekkes tilbake |
| Glemming som når alt som bygger på det | Å fjerne noe fjerner også det som kom fra det: kontekst, alt som er delt fra det, og beslektet læring | Betyr å fjerne de berørte innsiktene, ferdighetene og avledede ressursene |
| Å holde kunder atskilt | Hver bruker, hvert team, hver organisasjon og hver kunde holdes atskilt, i hver integrasjon og i alt den deler | Isolering per prosjekt og utrulling |
| Hvor alt som er lært, kom fra | For alt den har lært, kan du se kilden, omfanget og hvor mye det kan stoles på | Innsikter og ferdigheter forblir knyttet til trajektoriene de kom fra |
| Hvor det kjører og kobles til | ||
| Hvilken som helst modelltilbyder | Én intelligens på tvers av OpenAI, Anthropic, Google, AWS og kompatible modeller | Fungerer på tvers av støttede agentrammeverk og modeller |
| MCP | InnebygdVia MCP + hooks deltar Duplex i hvert steg agentene dine tar | Ferdigheter kan nå agenter og MCP-servere via integrasjoner |
| Hooks og pluginer | InnebygdPluginer for Claude, Codex, Cursor og Hermes, og hooks som henter inn Duplex ved hvert steg og kontrollerer sensitive verktøyhandlinger | AG-UI og rammeverksadaptere |
| Din sky, eller selvhostet | Vareon cloud, din sky eller ingen sky: privat sky, din egen konto, selvhostet eller fysisk isolert | Skyhostet og selvhostet intelligens |
| Ingen sky: fysisk isolert | Bygget for utrullinger der ingenting får gå ut, med lokale modeller, lokale avhengigheter og din egen identitetsleverandør | Mulig med en selvhostet stack og lokale avhengigheter |
| Kostnad, hastighet og egnethet | ||
| Hvordan den senker modellkostnaden | Duplex svarer selv på kjent arbeid, uten gjentatte kall til en ledende modell | Bedre ferdigheter gir færre feil og mindre omarbeid, men modellen kjører fortsatt |
| Hvordan den senker latensen | Beslutninger den er sikker på, kommer raskt tilbake; usikkert arbeid går fortsatt til den ledende modellen din | Ferdigheter gjør utførelsen mer direkte |
| Overlever en modelloppgradering | JaLæring, kontekst, oppgaver og regler blir værende utenfor enhver enkeltmodell | JaFerdigheter og trajektorier blir værende utenfor modellens vekter |
| Finjustering nødvendig | NeiFinjustering blir et valgfritt steg opp | NeiIkke for ferdigheter; CLiF kan også lage data til finjustering |
| Passer best for | Organisasjoner som trenger at KI-agentene deres lærer, handler innenfor regler, fører arbeid videre og blir bedre på tvers av modeller, som ett system | Produktteam som gjør virkelige arbeidsflyter fra brukere om til gjennomgåtte ferdigheter, evalueringer og treningsressurser |
De andre sammenligningene.
- Duplex og LettaAgenter med tilstand, minne og ferdigheter
- Duplex og Deeplake HivemindDelt minne for kodeagenter
- Duplex og minneplattformerMem0, Zep, AgentCore Memory, Supermemory
- Duplex og finjusteringFinjustering og finjustering med forsterkningslæring
- Duplex og KI-gatewayerPortkey, LiteLLM og lignende
- Hele sammenligningenDuplex ved siden av alle seks, side om side
Se Duplex på ditt eget arbeid.
Sammenlign den der det teller: en pilot setter Duplex på ditt eget arbeid, med måltallene avtalt før den begynner.