Duplex och CopilotKit CLiF,
sida vid sida.
CopilotKit CLiF gör verkliga användararbetsflöden till granskade färdigheter, utvärderingar och träningsdata. Duplex lär sig av varje resultat medan arbetet pågår, och agerar på det den har lärt sig, inom dina regler.
Jämförelsen är aktuell per den 16 oktober 2026.
Alla förmågor: Duplex och CopilotKit CLiF.
Vad var och en gör, grupp för grupp, från vad den är till vad den kostar.
- Inbyggt
- Inbyggt i hur produkten fungerar i grunden.
- Externt
- Du tillhandahåller det, eller sätter ihop det, separat.
- Inte inbyggt
- Produktens dokumentation anger det inte som en inbyggd funktion. En egen lösning kan ändå vara möjlig.
| Förmåga | Duplex | CopilotKit CLiF |
|---|---|---|
| Vad var och en är | ||
| Vad det är | En körtidsintelligens bredvid din AI: den lär sig och agerar för dina agenter och assistenter, inom dina regler | En fullstackspipeline som gör förlopp till färdigheter, utvärderingar och träningsdata |
| Vad den för vidare | Kontext, beslut, utfall, regler, uppgifter, färdigheter och det den har lärt sig | Trådar, förlopp, insikter, färdigheter och utvärderingar |
| Vad som blir bättre med erfarenhet | Dess nästa beslut: konfidens, dirigering, rekommendationer, verktygsanvändning och återanvändbar kunskap | Agentens anvisningar, genom granskade färdigheter hämtade från verkliga arbetsflöden |
| Att veta vad som hände, och lära av det | InbyggtDen vet vad som hände, och lär sig vad som ska ändras härnäst | Inlärning genereras från lagrade förlopp |
| Inlärning | ||
| Kontinuerlig inlärning utan omträning | InbyggtDen fortsätter att lära sig, utanför din modells vikter | InbyggtFärdighetsinlärning; finjusteringsdata är valfritt |
| Anpassning tur för tur | InbyggtVarje nytt resultat kan ändra nästa beslut direkt | Analysen körs manuellt eller enligt schema |
| Inlärning från rättelser | InbyggtEn rättelse ändrar vad Duplex gör härnäst | Användarändringar och åtgärder i appen matar dess inlärning |
| Inlärning från utfall | InbyggtFramgång och misslyckande matas direkt tillbaka in i det den lär sig | Utfall i hela stacken blir insikter, färdigheter, utvärderingar och träningsdata |
| Inlärning från belöningar | InbyggtEn belöning förstärker det som fungerade och rättar det som inte gjorde det | Kan ta fram finjusteringsdata från utvärderade förlopp |
| Äran till stegen bakom ett resultat | InbyggtDen räknar ut vilka tidigare handlingar som ledde till ett senare resultat | Analys av förlopp kan lyfta fram användbara mönster i arbetsflöden |
| Hur handlingar för arbetet framåt | InbyggtDen lär sig hur varje handling för arbetet från ett tillstånd till nästa | Kan göra arbetsflöden till färdigheter |
| Att förutsäga vad en åtgärd kommer att göra | InbyggtUtifrån det den observerar förutsäger den vad en handling kommer att göra, provar alternativ och planerar | ExterntÖverlåtet till agentramverket |
| Bättre val av handling | InbyggtUtfall förbättrar vilken handling den väljer härnäst | Granskade färdigheter förbättrar agentens nästa anvisningar |
| Återanvändbara färdigheter | InbyggtErfarenhet blir färdigheter som testas innan de används och som kan pausas, återinföras eller dras tillbaka | InbyggtFörlopp blir granskade färdigheter, med underlag som stöd |
| Att testa och hantera färdigheter | En färdighet testas innan man förlitar sig på den, och kan pausas, återinföras, dras tillbaka eller tas bort för gott | Publiceras efter mänsklig granskning och levereras i en låst version |
| Generalisering till närliggande fall | Den för det den har lärt sig vidare till närliggande fall och nya formuleringar, och in i färdigheter den kan återanvända | Färdigheter fångar mönster över många produktionsförlopp |
| Att besluta och agera | ||
| Att veta hur säker den är | InbyggtFöre varje beslut vet den hur bekant fallet är och hur säker den är | Styrt av utvärdering, inte ett löpande mått på visshet |
| Svara, lämna över eller avböja | InbyggtDuplex svarar själv, anropar din modell, använder ett verktyg eller avböjer, inom dina regler | ExterntVärdagenten avgör hur den ska agera |
| Att själv besvara bekant arbete | InbyggtDen fattar bekanta beslut själv, utan ännu ett anrop till en spetsmodell | Modellen läser fortfarande den inlärda färdigheten |
| Att lämna över det som är nytt eller osäkert | Nytt, osäkert eller känsligt arbete går till rätt modell, verktyg eller person | ExterntVärdagentens uppgift |
| Planering, simulering och rekommendationer | InbyggtDen förutsäger vad som händer härnäst, provar alternativ, bygger planer och rekommenderar handlingar | ExterntVärdagentens uppgift |
| Många agenter som arbetar tillsammans | Den skickar arbetet till rätt agent, delar upp det inom dina regler, håller varje agent inom sitt område och för samman resultaten | Fungerar med de agentramverk som stöds |
| Att lära sig vilka verktyg som fungerar | Den lär sig vilka verktyg som fungerar, när de ska användas och vad vart och ett leder till | Fullstacksförlopp fångar verktygs- och användaråtgärder för nya färdigheter |
| Verktygsåtgärder inom dina regler | Verktyg körs bara genom dina regler och behörigheter | Styrs av värdens agentramverk |
| Strömning | Den strömmar utdata från modell och verktyg, med varje steg fortfarande inom dina regler | Tillgängligt via de agentramverk som stöds |
| Arbete som fortsätter | ||
| Inlärning från varje steg, automatiskt | Varje steg, via MCP + hooks eller tilläggen, matar en enda gemensam inlärningsslinga | AG-UI fångar agent- och användaråtgärder som fullstacksförlopp |
| Kontext mellan sessioner | InbyggtArbete, beslut, uppgifter och den kontext som spelar roll fortsätter mellan sessioner | Varaktiga trådar behåller interaktionerna i appen |
| Långvarigt arbete | InbyggtLångt arbete förblir öppet mellan sessioner och agenter, med säkra punkter att gå tillbaka till, tills det är klart eller glömt | Varaktiga trådar behåller historiken över interaktioner |
| Mellan modeller | InbyggtDet den lär sig och din kontext stannar utanför modellen, och följer arbetet mellan leverantörer | Stark: färdigheter kan levereras till de agentstackar som stöds |
| Mellan appar och agenter | Samma arbete fortsätter i Claude, Codex, Cursor, Hermes och dina egna agenter | Färdigheter kan levereras via adaptrar för de ramverk som stöds |
| Att lämna över arbete till en annan agent | En uppgift och dess kontext går över till en annan agent som du tillåter, redo att fortsätta | Delade förlopp och publicerade färdigheter håller beteendet konsekvent |
| Att hålla kontexten kompakt | Kontexten förblir kompakt, inriktad på de regler, uppgifter och beslut som spelar roll | Förlopp destilleras till insikter och färdigheter |
| Inlärning från bilder, ljud, video och PDF-filer | Den lär sig av bilder, ljud, video och PDF-filer, precis som av text | Beror på de fångade apphändelserna och agentstacken |
| Mellan format | En fråga i ord kan bygga på det som lärts från bilder, ljud och video, och media kan forma senare beslut | Utanför CLiFs huvudfokus |
| Människor, team och delning | ||
| För varje person | InbyggtVarje person får sin egen privata kontext, sina preferenser och sin inlärning | Möjligt via apptrådar och inlärningsbehållare |
| För varje team | InbyggtTeam delar godkänd inlärning, och privat arbete förblir privat | Publicerade färdigheter sprider teamets inlärning |
| I hela organisationen | InbyggtDet som fungerar kan gå från en person till teamet och organisationen, under dina regler | Granskade färdigheter kan spridas till de agenter som stöds |
| Delning mellan människor, under kontroll | Du väljer vad som delas och med vem, och kan dra tillbaka det; allt som delas visar vem det kom från | Behörigheter för projekt och driftsättning |
| Skydd för delat innehåll | Det någon delar kommer fram som information, aldrig som instruktioner, så det kan inte styra en annan persons agent | Utvecklarens policy och verktygsbegränsningar går före färdigheter |
| Kontroll och förtroende | ||
| Reglerna | Dina regler är en del av hur Duplex fungerar: de tillåter, avböjer eller begränsar verkliga åtgärder | Inlärda färdigheter kan inte åsidosätta utvecklarens säkerhetsregler eller verktygsbegränsningar |
| Regler som tillämpas före varje åtgärd | InbyggtHooks kontrollerar varje åtgärd mot dina regler innan den körs | Ligger hos värdappen och agentramverket |
| Människor i loopen | En person bekräftar de åtgärder du väljer, och det Duplex lär sig kan granskas och ångras | En grundlig granskning innan inlärda färdigheter publiceras |
| En historik du kan kontrollera | En historik över varje beslut, var det kom ifrån och vad det ledde till, som inte kan ändras i det tysta | Insikter med underlag som stöd, och de förlopp de kommer från |
| Kvitton som du kan verifiera | Beslut, färdigheter och raderingar kan komma med kvitton som du kan verifiera | Länkar till underlag och exakta revisioner av färdigheter |
| Att ångra det inlärda, exakt | InbyggtEn inlärd ändring kan ångras exakt, utan att något behöver tränas om | Publicerade färdigheter kan revideras eller dras tillbaka |
| Glömska som når allt som byggts på det | Att ta bort något tar också bort det som kom från det: kontext, allt som delats från det och relaterad inlärning | Innebär att de berörda insikterna, färdigheterna och härledda tillgångarna måste tas bort |
| Att hålla kunder åtskilda | Varje användare, team, organisation och kund hålls åtskilda, i varje integration och i allt den delar | Isolering per projekt och driftsättning |
| Var allt inlärt kom ifrån | För allt den har lärt sig kan du se dess källa, dess omfång och hur långt det går att lita på det | Insikter och färdigheter förblir kopplade till de förlopp de kom från |
| Var den körs och vad den ansluter till | ||
| Vilken modelleverantör som helst | En intelligens för OpenAI, Anthropic, Google, AWS och kompatibla modeller | Fungerar med de agentramverk och modeller som stöds |
| MCP | InbyggtVia MCP + hooks deltar Duplex i varje steg som dina agenter tar | Färdigheter kan nå agenter och MCP-servrar via integrationer |
| Hooks och tillägg | InbyggtTillägg för Claude, Codex, Cursor och Hermes, och hooks som tar in Duplex i varje steg och kontrollerar känsliga verktygsåtgärder | AG-UI och ramverksadaptrar |
| Ditt moln, eller i egen drift | Vareon cloud, ditt moln eller inget moln: privat moln, ditt eget konto, i egen drift eller fysiskt isolerat | Molnbaserad intelligens och intelligens i egen drift |
| Inget moln: fysiskt isolerat | Byggt för driftsättningar där ingenting får lämna miljön, med lokala modeller, lokala beroenden och din egen identitetsleverantör | Möjligt med en stack i egen drift och lokala beroenden |
| Kostnad, hastighet och passform | ||
| Hur den sänker modellkostnaden | Duplex besvarar bekant arbete själv, utan upprepade anrop till en spetsmodell | Bättre färdigheter minskar fel och omarbete, men modellen körs fortfarande |
| Hur den sänker latensen | Beslut den är säker på kommer tillbaka snabbt; osäkert arbete går fortfarande till din spetsmodell | Färdigheter gör utförandet mer direkt |
| Överlever en modelluppgradering | JaInlärning, kontext, uppgifter och regler stannar utanför varje enskild modell | JaFärdigheter och förlopp stannar utanför modellens vikter |
| Kräver finjustering | NejFinjustering blir ett valfritt extra steg | NejInte för färdigheter; CLiF kan också ta fram finjusteringsdata |
| Bäst för | Organisationer som behöver att deras AI-agenter lär sig, agerar inom regler, för arbetet vidare och blir bättre mellan modeller, som ett system | Produktteam som gör verkliga användararbetsflöden till granskade färdigheter, utvärderingar och träningstillgångar |
De andra jämförelserna.
- Duplex och LettaAgenter med tillstånd, minne och färdigheter
- Duplex och Deeplake HivemindDelat minne för kodagenter
- Duplex och minnesplattformarMem0, Zep, AgentCore Memory, Supermemory
- Duplex och finjusteringFinjustering och förstärkningsbaserad finjustering
- Duplex och AI-gatewaysPortkey, LiteLLM och liknande
- Hela jämförelsenDuplex bredvid alla sex, sida vid sida
Se Duplex i ditt eget arbete.
Jämför där det räknas: en pilot sätter Duplex på ditt eget arbete, med mätetal som avtalas innan den börjar.