rag

Der einfachste Weg, Agentic RAG in jedem Unternehmen zu nutzen

OpenKB: Open-LLM-Wissensdatenbank

Ihr Agent im Terminal, ausgestattet mit lokalen Tools: schreibt Code, nutzt das Terminal, durchsucht das Web. Erstellen Sie darauf basierend Ihren eigenen persistenten, autonomen Agenten!

🤖 𝗟𝗲𝗮𝗿𝗻 for 𝗳𝗿𝗲𝗲 how to 𝗯𝘂𝗶𝗹𝗱 an end-to-end 𝗽𝗿𝗼𝗱𝘂𝗰𝘁𝗶𝗼𝗻-𝗿𝗲𝗮𝗱𝘆 𝗟𝗟𝗠 & 𝗥𝗔𝗚 𝘀𝘆𝘀𝘁𝗲𝗺 using 𝗟𝗟𝗠𝗢𝗽𝘀 best practices: ~ 𝘴𝘰𝘶𝘳𝘤𝘦 𝘤𝘰𝘥𝘦 + 12 𝘩𝘢𝘯𝘥s-on 𝘭𝘦𝘴𝘴𝘰𝘯𝘴

Technische Ressourcen für KI-Entwickler zum Erstellen von Anwendungen, Agenten und Systemen unter Verwendung der Oracle AI Database und von OCI-Diensten

🚀 2026 Der systematischste Leitfaden für AI Agents ｜ Praxis-Tutorial für intelligente Agenten · Vollständiger Lernpfad + Praxisprojekte + Interview-Fragenkatalog · Ausgerichtet auf LLM-Anwendungsentwickler · Abdeckung von LangChain / LangGraph / Coze / Dify / MCP / Skills / LLM / RAG / Prompting · Unternehmensweites Deployment & Fine-Tuning · Von 0 bis zum Enterprise-Rollout + Vom Lernen zum Live-Projekt + Interviewvorbereitung in einem

MongoDBs Generative AI Showcase: Eine umfassende Sammlung von Beispielen und Beispielanwendungen zu Retrieval-Augmented Generation (RAG), KI-Agenten und branchenspezifischen Anwendungsfällen.

AdalFlow: Die Bibliothek zum Erstellen und automatischen Optimieren von LLM-Anwendungen.

Generative KI-Referenz-Workflows, optimiert für beschleunigte Infrastruktur und Mikroservice-Architektur.

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

Nutzen Sie LLMs mit Multi-Agenten-Programmierung

AI-powered virtual executive team — a single coherent executive persona backed by 8 specialist agents (FastAPI + Next.js).

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

Eine einfache, leicht anpassbare GraphRAG-Implementierung.

Hypergraph ist mächtiger. Transformieren Sie unstrukturierte Texte mit LLMs in strukturiertes Wissen. Graphen, Hypergraphen und raum-zeitliche Extraktionen – mit nur einem Befehl.

Der einfachste und bequemste Weg, Multi-Agenten-LLM-Anwendungen zu erstellen.

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.

Tragbare KI-Agenten-Runtime für die JVM. Eine @Agent-Klasse läuft auf Spring AI, LangChain4j, Anthropic oder 9 weiteren hinter einem SPI. Token-Streaming, Funktionsaufrufe, menschliche Genehmigungen und Governance über WebSocket, SSE, gRPC oder WebTransport/HTTP3. Unterstützt MCP, A2A und AG-UI.

Streamer-Sales 销冠 – Ein LLM-basiertes Verkaufs-Modul 🛒🎁, das Produkte basierend auf ihren Merkmalen und aus der Perspektive der Kaufanregung für den Nutzer präsentieren kann. 🚀⭐ Inklusive detailliertem Datengenerierungsprozess ❗ 📦 Enthält zudem LMDeploy für beschleunigte Inferenz 🚀, RAG (Retrieval-Augmented Generation) 📚, TTS (Text-to-Speech) 🔊, Avatar-Generierung 🦸, Agenten für Websuche in Echtzeit 🌐, ASR (Speech-to-Text) 🎙️, Vue-Frontend 🍍, FastAPI-Backend 🗝️ sowie Docker-Compose für das Deployment 🐋

SimpleMem: Effizientes, lebenslanges Gedächtnis für LLM-Agenten – Text & Multimodal

Open-Source-Multimodal-Retrieval-Engine (Morphik Core). Von Morphik – KI-Back-Office für Pflegeheime und Seniorenresidenzen (morphik.ai).

PipesHub ist eine vollständig erweiterbare Open-Source-KI-Kontextebene, die Ihre Geschäftsdaten für erklärbare Unternehmenssuche und agentenbasierte Workflow-Automatisierung zusammenführt.

Eine Sammlung wissenschaftlicher Methoden, Prozesse, Algorithmen und Systeme zum Erstellen von Geschichten und Modellen.

Interagieren Sie mit Ihrer SQL-Datenbank, Natural Language zu SQL mit LLMs

Eine persönliche Wissensdatenbank, die sich selbst aufbaut und pflegt. Quellen ablegen — Claude (oder Codex/Gemini) liest sie, extrahiert Wissen und pflegt ein persistentes, vernetztes Wiki. Funktioniert mit Claude Code, Codex, OpenCode, Gemini CLI. Kein API-Schlüssel erforderlich.

AnyCrawl 🚀: Ein Node.js/TypeScript-Crawler, der Websites in LLM-fähige Daten umwandelt und strukturierte SERP-Ergebnisse von Google/Bing/Baidu usw. extrahiert. Natives Multithreading für die Massenverarbeitung.

Open-Source-GEO-Content-Engineering- und Multisite-Verteilungssystem mit KI-Aufgaben, RAG/semantischem Chunking, Analytik, GEOFlow Agent und WordPress-Zielveröffentlichung.

ReMe: Memory Management Kit für Agents – Remember Me, Refine Me.

Ein schlankes und anpassbares Framework für die effiziente Evaluierung und Leistungsbenchmarking großer Modelle (LLM, VLM, AIGC).

[KDD'2026] „VideoRAG: Chat with Your Videos“