retrieval-augmented-generation

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

Der Code, der zum Trainieren und Ausführen von Inferenz mit den ColVision-Modellen (z. B. ColPali, ColQwen2 und ColSmol) verwendet wird.

All-in-One-Plattform für Suche, Empfehlungen, RAG und Analytics, bereitgestellt über API

Awesome-GraphRAG: Eine kuratierte Liste von Ressourcen (Übersichten, Arbeiten, Benchmarks und Open-Source-Projekte) zu graphbasierter Retrieval-Augmented Generation.

Umfassende Ressourcen zu Generative AI, einschließlich einer detaillierten Roadmap, Projekten, Anwendungsfällen, Interviewvorbereitung und Programmiervorbereitung.

Verteilte Vektorsuche für KI-native Anwendungen

NestJS-Helfer + KI-Chatbot-Entwicklung

[ACL2026] „MiniRAG: RAG mit kleinen und Open-Source-Sprachmodellen einfacher machen“

Eine von der Community betriebene Sammlung von RAG-Frameworks (Retrieval-Augmented Generation), Projekten und Ressourcen. Tragen Sie bei und erkunden Sie das sich entwickelnde RAG-Ökosystem.

NVIDIA AI Blueprint für Video-Suche und -Zusammenfassung (VSS) ist eine GPU-beschleunigte Referenzarchitektur zum Erstellen von Video-Analytik-Agenten mit verifizierten Echtzeit-Benachrichtigungen, visueller Q&A und automatisierter Berichterstellung. Der VSS Blueprint verwendet Vision Language Models (VLMs) wie NVIDIA Cosmos, LLMs wie NVIDIA Nemotron, RAG und NVIDIA NIMs.

WFGY steuert auf das WFGY 5.0 Polaris Protocol zu, ein großes Open-Source-Release für KI-Reasoning, RAG, Agenten und reale Workflows. Enthält Problem Map, Global Debug Card, WFGY 4.0 und das CFV Easter Egg.

Die offizielle Implementierung von RAPTOR: Recursive Abstractive Processing for Tree-Organized Retrieval

[EMNLP 2025 Oral] MemoryOS wurde entwickelt, um ein Speicher-Betriebssystem für personalisierte KI-Agenten bereitzustellen.

Liste von Software zur Websuche mit KI-Unterstützung: https://hf.co/spaces/felladrin/awesome-ai-web-search

Umfassender Leitfaden zum Erlernen von RAG von den Grundlagen bis zu fortgeschrittenen Konzepten.

Awesome-Liste von Retrieval-Augmented Generation (RAG)-Anwendungen in der generativen KI.

Awesome-LLM-RAG: Eine kuratierte Liste fortschrittlicher Retrieval-Augmented Generation (RAG) in Large Language Models

Die SmythOS Runtime Environment (SRE) ist eine Open-Source-Cloud-native-Laufzeitumgebung für agentische KI. Sie ist sicher, modular und produktionsbereit und ermöglicht Entwicklern das Erstellen, Ausführen und Verwalten intelligentere Agenten in lokalen, Cloud- und Edge-Umgebungen.

TrustRAG: Das RAG-Framework mit verlässlicher Eingabe und vertrauenswürdiger Ausgabe

🥤 RAGLite ist ein Python-Toolkit für Retrieval-Augmented Generation (RAG) mit DuckDB oder PostgreSQL

Vereinheitlichung des effizienten Fine-Tunings von RAG-Retrieval, einschließlich Embedding, ColBERT und ReRanker.

Die kollaborative Tabellenkalkulation für KI. Verketten Sie Zellen zu leistungsstarken Pipelines, experimentieren Sie mit Prompts und Modellen und bewerten Sie LLM-Antworten in Echtzeit. Arbeiten Sie nahtlos zusammen, um KI-Anwendungen zu erstellen und zu iterieren.

Einbettbare Vektordatenbank für Go mit einer Chroma-ähnlichen Schnittstelle und null Abhängigkeiten von Dritten. In-Memory mit optionaler Persistenz.

TypeScript-KI-Funktionsaufruf-Framework, erweitert durch Compiler-Fähigkeiten

Rust-Bibliothek zum Generieren von Vektor-Embeddings und lokalen Reranking!

Leichtgewichtige und ultraschnelle Neugewichtung (Re-Ranking) für Such- und Abrufpipelines. Unterstützt SoTA Listwise- und Pairwise-Re-Ranking basierend auf LLMs, Cross-Encodern und mehr. Erstellt von Prithivi Da, offen für Pull Requests und Kooperationen.

Ein vollständiger Leitfaden, um im Jahr 2026 mit geringen Vorkenntnissen Ihre LLM-Fähigkeiten aufzubauen und zu verbessern sowie über die neuesten Nachrichten und State-of-the-Art-Techniken auf dem Laufenden zu bleiben!

Parsing-freies RAG, unterstützt durch VLMs

⚕️ GenAI-gestützter Multi-Agenten-Chatbot für medizinische Diagnostik und Gesundheitsforschung. 🏥 Entwickelt für medizinische Fachkräfte, Forscher und Patienten.

RAG-Fusion: Multi-Query-Generierung + Reciprocal Rank Fusion für eine bessere Retrieval-Augmented Generation. Enthält ein Evaluierungs-Harness mit NFCorpus/BEIR.