我建立了一個小型引擎，為本地大型語言模型提供真實工具

本地大型語言模型 (LLM) 通常以其對話能力而聞名，但據報在精確數學計算、事實準確性和跨不同互動保持上下文等基本任務上表現不佳。L.A.T.E. 的開發者表示，這些模型可能會生成不正確的資訊或忘記先前的討論，這促使了該工具的創建。

L.A.T.E. 作為一個 Node.js 工具包，將外部實用程式與各種 LLM 整合，包括像 Ollama 和 LM Studio 這樣的本地模型，以及像 Groq 和與 OpenAI 相容平台這樣的基於 API 的服務。其核心機制涉及這些專用工具執行精確的工作，例如用於數學的計算器或用於研究的網絡搜尋功能，而 LLM 的角色僅限於根據工具的輸出 формулировать 最終答案。

該系統提供精確數學、帶有引用來源的網絡研究、跨會話的持久記憶以及檔案搜尋等功能。開發者指出，設定需要 Node.js 18 或更新版本以及單一指令。然而，據報存在一些限制，包括網絡搜尋可能存在速率限制，以及即使有工具，小型模型仍可能出錯。目前版本也不支援串流或 PDF 閱讀。