agentic-rag

18 Lektionen, um KI-Agenten zu beginnen

Selbstentwickelnde Kontextdatenbank für KI-Agenten. Vereint Agenten-Speicher, Knowledge-RAG und Fähigkeiten

Ein von LLM unterstütztes Wissenscurationssystem, das ein Thema erforscht und einen ausführlichen Bericht mit Quellenangaben generiert.

Dieses Repository demonstriert verschiedene fortschrittliche Techniken für Retrieval-Augmented Generation (RAG)-Systeme. Jede Technik hat ein ausführliches Notebook-Tutorial.

Open‑Source‑KI‑Orchestrierungs‑Framework zum Erstellen von kontextgesteuerten, produktionsreifen LLM‑Anwendungen. Entwerfen Sie modulare Pipelines und Agenten‑Workflows mit expliziter Kontrolle über Abruf, Routing, Speicher und Generierung. Entwickelt für skalierbare Agenten, RAG, multimodale Anwendungen, semantische Suche und konversationale Systeme.

Code-Suche MCP für Claude Code. Macht die gesamte Codebasis zum Kontext für jeden Coding-Agenten.

Deeplake ist eine KI-Daten-Runtime für Agenten. Es bietet serverloses Postgres mit einem multimodalen Data Lake, was eine skalierbare Abfrage und Training ermöglicht.

Open-Source-Alternative für Deep Research zum Ableiten und Durchsuchen privater Daten. In Python geschrieben.

Speicherbibliothek zum Erstellen zustandsbehafteter Agenten

Eine selbst gehostete Plattform für Wissens-Agents mit Unterstützung für RAG, Wissensgraphen, Multi-Agenten-Workflows, MCP/Skills, Sandbox- und Berechtigungsmanagement.

Nexent ist eine No-Code-Plattform zur automatischen Generierung von KI-Agenten in Produktionstauglichkeit nach Harness-Engineering-Prinzipien – einheitliche Werkzeuge, Fähigkeiten, Speicher und Orchestrierung mit integrierten Beschränkungen, Feedbackschleifen und Steuerungsebenen.

Alles, was Sie wissen müssen, um Ihre eigene RAG-Anwendung zu erstellen

Ein modularer Agentic RAG mit LangGraph — lernen Sie Retrieval-Augmented Generation Agents in wenigen Minuten.

Unternehmensweiter Agentic RAG-Agent – vollständige Abdeckung von Dokumentenparsing, Multichannel-Retrieval, Absichtserkennung, Fragemitnahme, Sitzungsgedächtnis, MCP-Tool-Aufrufen und Deep Thinking. Konzipiert für reale Geschäftsszenarien mit einer vollständigen technischen Implementierung von 0 auf 1.

Multi-Agenten-Systeme, Speicher, Planung, Reasoning-Schleifen

Vollständiges RAG: Integriert GraphRAG, LightRAG und Neo4j-llm-graph-builder für den Aufbau und die Suche von Wissensgraphen. Kombiniert DeepSearch-Technologie für privates RAG-Reasoning und bietet ein eigenes Evaluierungsframework für GraphRAG.

Die Open-Source-RAG-Plattform: integrierte Zitate, Deep Research, über 22 Dateiformate, Partitionen, MCP-Server und mehr.

Agentic-RAG untersucht fortgeschrittene Retrieval-Augmented-Generation-Systeme, die durch KI-LLM-Agenten erweitert wurden.

AuditPilot: Auditierbare Enterprise-KI-Agenten für evidenzbasierte Workflows, kontrollierte Werkzeuge, Evaluierungsumgebungen, menschliche Überprüfung und Fehlerbehebung.

Nuwax Agent OS – Eine KI-Agenten-Entwicklungs- und Betriebsplatform auf Unternehmensebene – Bietet eine komplette Lösung für Agentenerstellung und -distribution, Wissensdatenbankverwaltung, Modell-Proxy, Speichersystem und Plugin-Ökosystem.

[ACL 2026 KnowFM] Großartige Ressourcen für agentische Deep Research

Healthy Diet AI Agent ist ein Bun + TypeScript-Backend für Ernährungs-Chats, Lebensmittelbildanalyse, RAG-Dokumentenaufnahme und wissensbasierte Ernährungsberatung.

Praxisnahes LangGraph-Kurs-Repository zum Erstellen von produktionstauglichen LLM-Agenten mit Agentic RAG, ReAct- und Reflexions-Workflows.

RAGLight ist ein modulares Framework für Retrieval-Augmented Generation (RAG). Es erleichtert die Einbindung verschiedener LLMs, Embeddings und Vektorspeichern und enthält nun eine nahtlose MCP-Integration zur Anbindung externer Tools und Datenquellen.

Die .NET-Bibliothek zum Erstellen von KI-Agenten mit über 30 integrierten Konnektoren.

YT Navigator: KI-gestützter YouTube-Content-Explorer, der es ermöglicht, Kanalvideos mithilfe von KI-Agenten zu durchsuchen und mit ihnen zu chatten. Gewinnen Sie in Sekunden Erkenntnisse aus stundenlangen Inhalten durch semantische Suche und präzise Zeitstempel.

Agentic RAG für lokale und selbst gehostete Dokumentensuche: hybrides Retrieval, Reranking und multimodales RAG auf eingebettetem LanceDB, mit Docling-Parsing und einem MCP-Server.

NextPlaid, ColGREP: Multivektor-Suche, von der Datenbank bis hin zu Coding-Agenten.

企业级 AI 智能体 Agent 平台，覆盖智能对话、文档知识问答、联网搜索、RAG 检索、MCP 工具协议、Skills 扩展等完整能力。三层执行器体系、双通道混合检索、组合式切块引擎、会话记忆管理、全链路可观测，每个环节都经过深 度设计和工程化打磨。