vector-search

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

KI-Agenten-Mikroservice

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).

Local-first search across your workspace, built for humans and AI agents.

Jupyter Notebooks, die Ihnen den praktischen Einstieg in Pinecone Vektordatenbanken erleichtern

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

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

🚀 In Rust geschriebene, effiziente Sammlung von Algorithmen zur Suche nach ungefähren nächsten Nachbarn 🦀.

Ein neuer SOTA für RAG — eine originale Retrieval-Architektur und eine Open-Source-Wissensdatenbank für Menschen und Agenten.

Verteilte Vektorsuche für KI-native Anwendungen

KI-gestützter plattformübergreifender E-Book-Reader mit semantischer Suche, RAG-Chat, lokalem Vektorspeicher, Notizen, TTS und WebDAV-Synchronisierung.

Eine SQLite-Erweiterung für effiziente Vektorsuche, basierend auf Faiss!

LLM-gestützte Anwendungen in Ruby erstellen

SeekStorm: Vektor- und lexikalische Suche – In-Process-Bibliothek und Mandantenfähigkeitsserver in Rust.

SIMD-beschleunigte Distanzen, Skalarprodukte, Matrixoperationen, geowissenschaftliche und geometrische Kernel für 16 numerische Typen – von 6-Bit-Floats bis zu 64-Bit-Complex – über x86, Arm, RISC-V und WASM hinweg, mit Bindings für Python, Rust, C, C++, Swift, JS und Go 📐

Semantische Suche und Call-Graphen für AI Agents (100% lokal)

XERJ ist der neue Weg für KI, Daten zu durchsuchen. Seine Autoindex-Funktion versetzt Agenten in die Lage, Ihre Daten zu kennen, ohne die Token-Verschwendung von grep und sed. Ein Befehl indiziert Code, Dokumente, Protokolle und PDFs für Suche, RAG, Sicherheitsaudits und Agentenspeicher und verwendet dabei 40x weniger Token als grep. Elasticsearch-kompatibel, sodass bestehende Clients einfach funktionieren.

Skalierbare, schnelle und speicherschonende Vektorsuche in Postgres, der Nachfolger von pgvecto.rs.

JVector: Die fortschrittlichste eingebettete Vektorsuchmaschine

Vorlagenprojekt zum Erstellen einer eigenen ChatGPT-ähnlichen Dokumentensuche mit Next.js, OpenAI und Supabase.

Sammlung von Bibliotheken, Diensten und Forschungsarbeiten zum Thema Vektorsuche

MemFree - Hybride KI-Suchmaschine & KI-Seiten-Generator

Nächste-Nachbarn-Suche mit Nachbarschaftsgraph und Baum für hochdimensionale Daten

Python-Client für die Vektorsuchmaschine Qdrant

Taschengroße multimodale KI für Inhaltsverständnis und -generierung über mehrsprachige Texte, Bilder und 🔜 Videos, bis zu 5x schneller als OpenAI CLIP und LLaVA 🖼️ & 🖋️

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

Benchmark für Vektordatenbanken

ArcadeDB Multi-Model Database – ein DBMS, das SQL, Cypher, Gremlin, HTTP/JSON, MongoDB und Redis unterstützt. ArcadeDB ist ein konzeptueller Fork von OrientDB, dem ersten Multi-Model-DBMS. ArcadeDB unterstützt Vector Embeddings.

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

Ein @ClickHouse-Fork, der hochperformante Vektorsuche und Volltextsuche unterstützt.