semantic-search

21 Lektionen, Einstieg in den Bau mit Generative AI

Eine blitzschnelle Suchmaschinen-API, die KI-gestützte hybride Suche zu Ihren Sites und Anwendungen bringt.

Dein KI‑Zweitgehirn. Selbst‑hostbar. Erhalte Antworten aus dem Web oder deinen Dokumenten. Erstelle benutzerdefinierte Agents, plane Automatisierungen, führe tiefgehende Forschung durch. Transformiere jedes Online‑ oder lokale LLM in deine persönliche, autonome KI (gpt, claude, gemini, llama, qwen, mistral). Loslegen – kostenlos.

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

Open-Source-Alternative zu Algolia + Pinecone und eine einfachere Alternative zu ElasticSearch ⚡ 🔍 ✨ Schneller, fehlerverzeihender, im Speicher arbeitender Fuzzy-Suchmaschine für beeindruckende Sucherlebnisse

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.

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

Private KI-Plattform für Agenten, Assistenten und Unternehmenssuche. Integrierter Agent Builder, Deep Research, Dokumentenanalyse, Unterstützung für mehrere Modelle und API-Konnektivität für Agenten.

Weaviate ist eine Open-Source-Vektordatenbank, die sowohl Objekte als auch Vektoren speichert und die Kombination von Vektorsuche mit strukturiertem Filtern bei gleichzeitig hoher Fehlertoleranz und Skalierbarkeit einer Cloud-Native-Datenbank ermöglicht.

Speicherebene für AI Agents. Ersetze komplexe RAG-Pipelines durch eine serverlose Single-File-Speicherebene. Verleihe deinen Agenten sofortigen Abruf und Langzeitgedächtnis.

Eine leichtgewichtige, blitzschnelle In-Process-Vektordatenbank

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

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

Graph-native Infrastruktur für Kontext und nachvollziehbare KI-Systeme

Inkrementelle Engine für Agenten mit langfristigem Horizont 🌟 Stern geben, wenn es Ihnen gefällt!

Entwicklerfreundliche, eingebettete OSS-Retrieval-Bibliothek für multimodale KI. Mehr suchen; weniger verwalten.

Ein Postgres für Ihre Anwendungsdaten, Volltextsuche, Vektorabfrage und Aggregationen. Heimat der pg_search-Erweiterung.

Semantischer Cache für LLMs. Vollständig integriert mit LangChain und llama_index.

World's first open-source enterprise world model.

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.

Superduper: End-to-End-Framework zum Erstellen benutzerdefinierter KI-Anwendungen und Agents.

Das ultimative RAG für Ihr Monorepo. Abfragen, Verstehen und Bearbeiten mehrsprachiger Codebasen mit der Leistung von KI und Wissensgraphen.

Zotero MCP: Verbindet Ihre Zotero-Forschungsbibliothek über das Model Context Protocol mit Claude und anderen KI-Assistenten, um Paper zu diskutieren, Zusammenfassungen zu erhalten, Zitate zu analysieren und mehr.

Semantische Suche über Videos mit Gemini Embedding 2 oder Qwen3-VL.

Schnelle Open-Source-Such- und Clustering-Engine für Vektoren und beliebige Objekte in C++, C, Python, JavaScript, Rust, Java, Objective-C, Swift, C#, GoLang und Wolfram 🔍

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

Deine eigene Suchmaschine

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

KI-gestützter GitHub-Stars-Manager mit semantischer Suche, automatischer Kategorisierung und Release-Tracking

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