rag

NVIDIA AI Blueprint para búsqueda y resumen de video (VSS) es una arquitectura de referencia acelerada por GPU para construir agentes de análisis de video con alertas verificadas en tiempo real, preguntas y respuestas visuales, y generación automatizada de informes. El Blueprint VSS utiliza modelos de lenguaje visual (VLMs) como NVIDIA Cosmos, LLMs como NVIDIA Nemotron, RAG y NVIDIA NIMs.

Creación de modelos de lenguaje extenso con conciencia social; incluye tutoriales sobre ingeniería de prompts, RAG, agentes y ajuste fino de LLM.

Búsqueda de texto completo en YouTube: busca en todo YouTube desde la línea de comandos

Recopilación de artículos destacados sobre RAG para AIGC. Proponemos una taxonomía de fundamentos, mejoras y aplicaciones de RAG en el artículo "Retrieval-Augmented Generation for AI-Generated Content: A Survey".

WFGY se encamina hacia WFGY 5.0 Polaris Protocol, un importante lanzamiento de código abierto para razonamiento de IA, RAG, agentes y flujos de trabajo del mundo real. Incluye Problem Map, Global Debug Card, WFGY 4.0 y el CFV Easter Egg.

Búsqueda BM25 rápida en Python, impulsada por Numpy y Numba

Extracción de datos no estructurados rápida y eficiente. Escrito en Rust con bindings para múltiples lenguajes.

Un framework de Go para construir sistemas de agentes en producción con flujos de trabajo de grafos, herramientas, memoria, A2A, AG-UI, MCP, evaluación y observabilidad.

Implementación oficial de RAPTOR: Recursive Abstractive Processing for Tree-Organized Retrieval

Una colección curada de artículos de investigación sobre agentes de IA publicados en 2026, que cubren ingeniería de agentes, memoria, evaluación, flujos de trabajo y sistemas autónomos.

Agentic-RAG explora sistemas avanzados de Generación Aumentada por Recuperación mejorados con agentes LLM de IA.

¡Crea personajes en Unity con LLM!

Componentes básicos para el desarrollo rápido de aplicaciones de IA generativa

Trench: infraestructura de análisis de código abierto. Una imagen de Docker lista para producción basada en ClickHouse, Kafka y Node.js para el seguimiento de eventos. Permite crear fácilmente paneles de análisis de productos, RAG para LLM, plataformas de observabilidad o cualquier otro producto de análisis.

Repositorio de curso basado en proyectos para desarrollar agentes de IA usando LangChain v1+ y LangGraph: agentes de búsqueda, sistemas RAG, agentes de reflexión e intérpretes de código.

Este repositorio ofrece una solución avanzada de Generación Aumentada por Recuperación (RAG) para responder preguntas complejas. Utiliza algoritmos sofisticados basados en grafos para gestionar las tareas.

Desmitifique RAG construyéndolo desde cero. LLM locales, sin cajas negras: comprensión real de embeddings, búsqueda vectorial, recuperación y generación aumentada por contexto.

WikiChat es una implementación mejorada de RAG. Evita las alucinaciones de los modelos de lenguaje grandes mediante la recuperación de datos de un corpus.

Hivemind convierte tus trazas en habilidades reutilizables entre agentes

[EMNLP 2025 Oral] MemoryOS está diseñado para proporcionar un sistema operativo de memoria para agentes de IA personalizados.

Implementación de código abierto de la Wiki LLM de Karpathy. ¡Sube documentos, conecta tu cuenta de Claude a través de MCP y deja que escriba tu wiki!

Habla con tu Mac, consulta tus documentos, sin necesidad de la nube. IA de voz en el dispositivo + RAG.

Cuando la filosofía se encuentra con la IA.

Un kit de herramientas para crear configuraciones de Generación Aumentada por Recuperación (RAG) óptimas y listas para producción para sus datos.

Servicio al cliente de código abierto listo para producción con Evals y monitoreo incorporados

Generación aumentada por caché: una alternativa simple y eficiente a RAG

Marco de trabajo de agentes de video con IA para interacciones y flujos de trabajo de video de próxima generación.

Repositorio oficial para "TheoremExplainAgent: Towards Video-based Multimodal Explanations for LLM Theorem Understanding" [ACL 2025 oral]

Este repositorio contiene ejemplos para que los clientes comiencen a utilizar el servicio Amazon Bedrock. Incluye ejemplos para todos los modelos fundamentales disponibles.

Un sistema de configuración de agentes de preguntas y respuestas conversacionales, soluciones de despliegue autohospedadas y un práctico SDK de aplicación todo en uno, que permite crear bots de preguntas y respuestas inteligentes para tus repositorios de GitHub.