rag

RAG sin análisis sintáctico (parsing) compatible con VLM

Recursos, ejemplos y tutoriales para IA multimodal, RAG y agentes que utilizan búsqueda vectorial y LLM.

Sistemas de inteligencia de riesgos nativos de IA, OpenDeRisk: su gestor inteligente de riesgos del sistema de aplicaciones proporciona protección integral y profunda las 24 horas del día, los 7 días de la semana.

Chatbot de diagnóstico médico y asistencia en investigación sanitaria basado en agentes múltiples y GenAI. Diseñado para profesionales de la salud, investigadores y pacientes.

RAG-Fusion: generación de consultas múltiples + Reciprocal Rank Fusion para una mejor generación aumentada por recuperación. Incluye arnés de evaluación con NFCorpus/BEIR.

Referencia transparente de RAG en Python con recuperación híbrida FAISS + BM25, reranking, interfaz de Gradio y FastAPI.

Potencia modelos de lenguaje grandes (LLM) mediante generación aumentada por recuperación basada en grafos de conocimiento (KG-RAG) para tareas intensivas en conocimiento

Bootcamp a ritmo propio sobre IA generativa. Tutoriales sobre fundamentos de ML, Ollama, LLMs, RAGs, LangChain, LangGraph, ajuste fino, DSPy y agentes de IA (CrewAI), (usando ChatGPT, gpt-oss, Claude, Qwen, Gemma, Llama, Gemini).

🚀 Plataforma de automatización de IA autoalojada. Despliega n8n, Ollama, Flowise, RAG, Supabase y más de 30 herramientas con un solo comando. HTTPS automático. Alternativa gratuita a Zapier/Make.

Proporciona a tu agente de IA capacidad de lectura para archivos PDF: texto estructurado, tablas, OCR, evidencia visual y citas a nivel de página a través de MCP. Nativo en Rust, con enfoque local.

📚 Procesa archivos PDF, documentos de Word y más con spaCy

RAG Time: Un viaje de aprendizaje de 5 semanas para dominar RAG

RAG basado en ID con FastAPI: Integración con Langchain y PostgreSQL/pgvector.

Entrenamiento y recuperación de modelos de interacción tardía

Motor acelerador de startups impulsado por IA, construido con Next.js, LangChain, PostgreSQL y pgvector. Permite subir, organizar y chatear con documentos. Incluye detección predictiva de documentos faltantes, flujos de trabajo basados en roles y extracción de información a nivel de página.

Nuwax Agent OS: una plataforma de desarrollo y operación de agentes de IA de nivel empresarial que ofrece una solución completa para la creación y distribución de agentes, gestión de bases de conocimiento, proxy de modelos, sistema de memoria y ecosistema de plugins.

Implementación 100% en Rust de code graphRAG con análisis AST+FastML ultrarrápido, backend en surrealDB y herramientas avanzadas de análisis de código mediante MCP para una gestión eficiente del contexto de agentes de código.

Epsilla es un sistema de gestión de bases de datos vectoriales de alto rendimiento

Una herramienta de indexación de repositorios de código para potenciar su experiencia con LLM.

Una lista de proyectos de memoria para IA

Neum AI es un framework de primera clase para gestionar la creación y sincronización de incrustaciones vectoriales a gran escala.

Convertidor de HTML a Markdown de alto rendimiento y compatible con CommonMark. Mantenido por el equipo de Kreuzberg. Kreuzberg es un motor de inteligencia documental rápido y políglota con un núcleo en Rust. Extrae datos estructurados de más de 98 formatos de documentos utilizando analizadores de streaming y OCR integrado.

[ACL 2026 KnowFM] Recursos increíbles sobre investigación profunda con agentes

Crea tu propio chat de IA serverless con RAG (Retrieval-Augmented Generation) usando LangChain.js, TypeScript y Azure.

Sistema operativo de ventas con IA de código abierto: CRM autohospedado con agentes de IA nativos y WhatsApp (WAHA). Alternativa abierta a Kommo, Octadesk e Intercom para cualquier negocio que venda por chat. Compatible con MCP, multiinquilino y LGPD.

Una canalización RAG avanzada impulsada por LLM construida desde cero.

La solución de integración de IA más sencilla y de menor costo. Si te gusta este proyecto, por favor dale una estrella~

RAG para LLM local, chatea con archivos PDF/doc/txt, ChatPDF. Implementación nativa de RAG basada en LLM local, modelos de embedding y reranker, con soporte para GraphRAG, sin necesidad de instalar bibliotecas de agentes de terceros.

Utiliza modelos multimodales de interacción tardía como ColPali con solo unas pocas líneas de código.

[EMNLP'25] s3 - ⚡ Entrenamiento eficiente y efectivo de agentes de búsqueda mediante RL para RAG (RLVR para búsqueda con datos mínimos)