embeddings

Die Postgres-Entwicklungsplattform. Supabase gibt Ihnen eine dedizierte Postgres-Datenbank, um Web-, Mobile- und KI-Anwendungen zu erstellen.

Beständiger Kontext über Sitzungen für jeden Agenten – erfasst alles, was dein Agent während der Sitzungen tut, komprimiert es mit KI und injiziert den relevanten Kontext in zukünftige Sitzungen. Funktioniert mit Claude Code, OpenClaw, Codex, Gemini, Hermes, Copilot, OpenCode + Mehr

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

Open-Source-LLM-Wissensplattform: Verwandeln Sie Rohdokumente in ein abfragbares RAG, einen autonomen Reasoning-Agenten und ein sich selbst wartendes Wiki.

Ein auf TurboQuant basierender Vektorindex, geschrieben in Rust mit Python-Bindings

LangChain4j ist eine idiomatische, Open-Source-Java-Bibliothek zum Erstellen von LLM-basierten Anwendungen auf der JVM. Sie bietet eine einheitliche API für gängige LLM-Anbieter und Vektorspeicher und erleichtert die Implementierung von Tool-Aufrufen (einschließlich MCP-Unterstützung), Agenten und RAG. Sie lässt sich nahtlos in Enterprise-Java-Frameworks wie Quarkus und Spring Boot integrieren.

💡 All-in-One-KI-Framework für semantische Suche, LLM-Orchestrierung und Sprachmodell-Workflows

Die All-in-One-Open-Source-Backend-Plattform für agentenbasiertes Programmieren. InsForge stellt Ihrem Coding-Agenten Datenbank, Authentifizierung, Speicher, Rechenleistung, Hosting und KI-Gateway zur Verfügung, um Full-Stack-Apps von Anfang bis Ende auszuliefern.

Retrieval- und Retrieval-augmentierte LLMs

SeaTunnel ist ein multimodales, leistungsstarkes, verteiltes Tool zur Integration großer Datenmengen.

Open-Lakehouse-Format für multimodale KI. Konvertierung von Parquet in 2 Zeilen Code für 100x schnelleren wahlfreien Zugriff, Vektorindex und Datenversionierung. Kompatibel mit Pandas, DuckDB, Polars, Pyarrow und PyTorch, weitere Integrationen folgen.

Postgres mit GPUs für ML/AI-Anwendungen.

Der einfachste Weg, Deep Metric Learning in Ihrer Anwendung zu nutzen. Modular, flexibel und erweiterbar. Geschrieben in PyTorch.

Schnelle und präzise Codesuche für Agents. Benötigt 99 % weniger Tokens als grep+read

Hochleistungs-Daten-Engine für KI- und multimodale Workloads. Verarbeitet Bilder, Audio, Video und strukturierte Daten in beliebigem Maßstab.

Finden Sie beim Schreiben verwandte Notizen und Textauszüge. Ihr Linkbuilding-Copilot zeigt relevante Inhalte in einer Graph- und Listenansicht an. Ein lokales Embedding-Modell treibt die semantische Suche an. Keine Einrichtung erforderlich. Kein API-Schlüssel.

AutoRAG: Jetzt kann Ihr Agent alles auf Ihrem Computer finden. Er wird intelligenter, je häufiger Sie ihn nutzen.

Eine blitzschnelle Inferenzlösung für Text-Embedding-Modelle

text2vec, Text-zu-Vektor. Ein Textvektor-Repräsentationstool, das Texte in Vektormatrixen umwandelt und Modelle wie Word2Vec, RankBM25, Sentence-BERT sowie CoSENT für Textrepräsentation und Ähnlichkeitsberechnung implementiert – sofort einsatzbereit.

Lokaler, persistenter Speicherspeicher für LLM-Anwendungen wie Claude Desktop, GitHub Copilot, Codex, Antigravity usw.

Ein wunderbares Ruby-Framework für jeden großen AI-Anbieter. Erstelle AI-Agenten, Chatbots, RAG-Apps und multimodale Workflows mit schönem, expressivem Code.

Eine Python-Bibliothek für selbstüberwachtes Lernen an Bildern.

Eine kuratierte Liste von Generative-AI-Tools, Werken, Modellen und Referenzen

Eine Bibliothek für Transfer Learning durch Wiederverwendung von Teilen von TensorFlow-Modellen.

Towhee ist ein Framework, das darauf ausgerichtet ist, Pipelines zur Verarbeitung neuronaler Daten einfach und schnell zu machen.

MTEB: State-of-the-Art-Evaluierung von Embeddings über Sprachen und Modalitäten hinweg

Enterprise-Grade (40m+ Zeilen Code) Codebase-Intelligenz, Zero-Setup, lokal & privat (Plugin/Skill/Extension oder MCP): Hybride semantische Suche, polyglotte Abhängigkeitsgraphen, symbolbasierte Impact-Analyse & Call-Flow, interaktiver HTML-Viewer, projekt- und branch-übergreifende Suche, DB/API/Infra-Wissen. 61% weniger Token, 84% weniger Aufrufe, 37x schneller. Cloud in der Beta.

Schnelle, präzise und leichte Python-Bibliothek für State-of-the-Art-Embeddings

Open-Source-Tools für Prompt-Tests und Experimente, mit Unterstützung für sowohl LLMs (z. B. OpenAI, LLaMA) als auch Vektordatenbanken (z. B. Chroma, Weaviate, LanceDB).

Open-Source-Inferenzserver und Produktionscluster für alle Modelle, die Ihr Agent benötigt.