embeddings

La plataforma de desarrollo de Postgres. Supabase te ofrece una base de datos Postgres dedicada para construir tus aplicaciones web, móviles y de IA.

Contexto persistente entre sesiones para cada agente: captura todo lo que hace tu agente durante las sesiones, lo comprime con IA e inyecta contexto relevante en sesiones futuras. Funciona con Claude Code, OpenClaw, Codex, Gemini, Hermes, Copilot, OpenCode y más

Este repositorio muestra varias técnicas avanzadas para sistemas de Generación Aumentada por Recuperación (RAG). Cada técnica cuenta con un tutorial detallado en un notebook.

Plataforma de conocimiento LLM de código abierto: transforma documentos sin procesar en un RAG consultable, un agente de razonamiento autónomo y una Wiki automantenible.

Un índice vectorial construido sobre TurboQuant, escrito en Rust con enlaces para Python

LangChain4j es una librería de Java idiomática y de código abierto para construir aplicaciones impulsadas por LLM en la JVM. Ofrece una API unificada para proveedores de LLM populares y almacenes vectoriales, y facilita la implementación de llamadas a herramientas (incluyendo soporte para MCP), agentes y RAG. Se integra perfectamente con frameworks empresariales de Java como Quarkus y Spring Boot.

💡 Marco de trabajo de IA todo en uno para búsqueda semántica, orquestación de LLM y flujos de trabajo de modelos de lenguaje

La plataforma de backend de código abierto todo en uno para codificación con agentes. InsForge proporciona a tu agente de código base de datos, autenticación, almacenamiento, computación, alojamiento y una pasarela de IA para lanzar aplicaciones full-stack de extremo a extremo.

Recuperación y LLMs aumentados por recuperación

SeaTunnel es una herramienta de integración de datos masivos multimodal, de alto rendimiento y distribuida.

Formato Open Lakehouse para IA multimodal. Convierte desde Parquet en 2 líneas de código para un acceso aleatorio 100 veces más rápido, índice de vectores y versionado de datos. Compatible con Pandas, DuckDB, Polars, Pyarrow y PyTorch, con más integraciones próximamente.

Biblioteca de memoria para construir agentes con estado

Postgres con GPUs para aplicaciones de ML/AI

La forma más fácil de usar deep metric learning en tu aplicación. Modular, flexible y extensible. Escrito en PyTorch.

Búsqueda de código rápida y precisa para agentes. Utiliza un 99% menos de tokens que grep+read

Motor de datos de alto rendimiento para IA y cargas de trabajo multimodales. Procesa imágenes, audio, video y datos estructurados a cualquier escala

Encuentra notas y fragmentos relacionados mientras escribes. Tu copiloto de creación de enlaces muestra contenido relevante en vista de gráfico + lista. Un modelo de embedding local impulsa la búsqueda semántica. Sin configuración. Sin clave API.

AutoRAG: Ahora tu agente puede encontrar cualquier cosa en tu computadora. Se vuelve más inteligente si lo usas con frecuencia.

Una solución de inferencia ultrarrápida para modelos de incrustación de texto (text embeddings)

text2vec, text to vector. Herramienta de representación de vectores de texto que convierte texto en matrices de vectores. Implementa modelos de representación de texto y cálculo de similitud de texto como Word2Vec, RankBM25, Sentence-BERT, CoSENT, listo para usar.

Almacenamiento de memoria persistente local para aplicaciones LLM, incluyendo claude desktop, github copilot, codex, antigravity, etc.

Un encantador framework de Ruby para cada uno de los principales proveedores de IA. Construye agentes de IA, chatbots, aplicaciones RAG y flujos de trabajo multimodales con un código hermoso y expresivo.

Una librería de Python para aprendizaje autosupervisado en imágenes.

Una lista seleccionada de herramientas, trabajos, modelos y referencias de IA generativa.

Una librería para aprendizaje por transferencia reutilizando partes de modelos de TensorFlow.

Towhee es un framework dedicado a hacer que los pipelines de procesamiento de datos neuronales sean simples y rápidos.

MTEB: Evaluación de vanguardia de incrustaciones en varios idiomas y modalidades.

Inteligencia de código fuente de nivel empresarial (+40 M de líneas de código), sin configuración previa, Plugin/Skill/Extension local y privado o MCP: búsqueda semántica híbrida, gráficos de dependencias políglotas, análisis de impacto a nivel de símbolo y flujo de llamadas, visor HTML interactivo, búsqueda entre proyectos y ramas, y conocimiento de BD/API/infraestructura. Un 61 % menos de tokens, un 84 % menos de llamadas, 37 veces más rápido. Versión en la nube en beta.

Biblioteca de Python rápida, precisa y ligera para crear embeddings de última generación

Herramientas de código abierto para pruebas y experimentación de prompts, con soporte tanto para LLMs (por ejemplo, OpenAI, LLaMA) como para bases de datos vectoriales (por ejemplo, Chroma, Weaviate, LanceDB).