rag

Déployez n'importe quel modèle d'IA, agent, base de données, RAG ou pipeline localement ou à distance en quelques minutes

Recherche plein texte et sémantique sur n'importe quelle base de données Postgres

Conception, évaluation et optimisation de systèmes RAG de bout en bout. Campagne de formation RAG, décomposition complète des 10 composants clés du RAG et 4 projets pratiques pour maîtriser l'ensemble du processus RAG.

ARGO est une plateforme d'agents IA open-source qui apporte Local Manus sur votre bureau. Avec le téléchargement de modèles en un clic, une intégration transparente des LLM fermés et des bases de connaissances RAG hors ligne, ARGO devient une puissance de recherche approfondie pour la réflexion autonome et la planification de tâches, tout en gardant 100 % de vos données localement. Supporte Win/Mac/Docker.

🔥 Ce dépôt contient des exemples d'applications complets, incluant des sites web et d'autres projets, développés avec Firecrawl.

La suite d'IA côté client la plus avancée et entièrement hors ligne disponible aujourd'hui sur Android.

Ce dépôt contient l'implémentation d'AutoSchemaKG, un framework innovant pour la construction automatique de graphes de connaissances combinant la génération de schémas par conceptualisation.

Mémoire à long terme pour assistants IA. Stockage de graphes et de vecteurs qui mémorise les décisions, les relations et le contexte entre les sessions.

♾️ Flotte d'agents privés avec codage spécifique. Chaque agent dispose de son propre bureau accéléré par GPU. Exécutez Claude, Codex, Gemini et des modèles ouverts sur une pile IA privée complète ♾️

Entraîner des modèles par apprentissage contrastif avec PyTorch.

Album axé sur l'IA : Discutez avec votre galerie en langage naturel ! LLM Vision + RAG + Album/Galerie.

Couche mémoire partagée en un seul fichier pour tous vos agents, RAG sub-milliseconde sur texte, photo et vidéo sur Apple Silicon. Sans serveur. Sans API. Un seul fichier. Swift pur.

Exemples montrant comment créer des applications Java alimentées par l'IA générative et les LLM en utilisant Spring AI et Spring Boot.

Indexation, requêtage et applications LLM agentiques rapides et en streaming en Rust

Un framework d'agents innovant piloté par un moteur KG

Framework pour améliorer les LLM pour les tâches RAG via le fine-tuning.

Dépôt de ressources pour les entretiens techniques : backend Java, agents IA, conception système et algorithmes.

Ingestion de fichiers pour la génération augmentée par récupération (RAG) avec des modèles de langage (LLM) open source, sans tiers ni transfert de données sensibles hors de votre réseau.

Ce blueprint NVIDIA RAG sert de solution de référence pour un pipeline fondamental de Retrieval Augmented Generation (RAG).

Healthy Diet AI Agent est un backend Bun + TypeScript pour le chat nutritionnel, l'analyse d'images alimentaires, l'ingestion de documents RAG et des conseils diététiques basés sur les connaissances.

Generative AI Examples est une collection d'exemples d'IA générative, tels que ChatQnA et Copilot, illustrant les capacités de pipeline du projet Open Platform for Enterprise AI (OPEA).

Projet pratique d'assistant de programmation IA 2025 (par Programmer Yupi), basé sur Spring Boot 3.5, Java 21, LangChain4j et l'IA pour créer un robot d'apprentissage et d'aide à l'emploi. Couvre l'intégration de grands modèles, les fonctionnalités de LangChain4j, le streaming, le prompt engineering, le RAG, les bases de données vectorielles, le Tool Calling, le protocole MCP, le web scraping, la sécurité, le développement front-end Vue.js et le SSE.

Serveur MCP et CLI d'intelligence de code locale pour agents de codage IA.

AI 小说创作软件：把灵感、角色、世界观、大纲、章节写作、审稿和修稿组织成可控流程；提供 Windows/macOS 桌面版、Ollama 与 DSH 插件预览。

Offrez à vos agents IA une mémoire collective et persistante — avec absorption dédupliquée, traçabilité des remplacements, recherche sémantique et interface graphique sous forme de graphe. Compatible MCP.

Création rapide d'agents pour les systèmes d'entreprise tels que OA, ERP, CRM et la gestion de tickets, permettant à l'IA d'appeler en toute sécurité de véritables fonctionnalités métier sous le contrôle des permissions, de l'audit et de la gouvernance.

Un projet éducatif (étape par étape) pour apprendre à construire une application RAG prête pour la production.

Discuter avec plusieurs PDFs localement

🔥 Rankify : un toolkit Python complet pour la récupération, le re‑ranking et la génération augmentée par récupération 🔥. Notre toolkit intègre 40 jeux de données de référence pré‑récupérés et prend en charge plus de 7 techniques de récupération, plus de 24 modèles de re‑ranking de pointe, ainsi que plusieurs méthodes RAG.

Ce dépôt contient le code de "VLM2Vec / MMEB" [ICLR 2025], "VLM2Vec-V2 / MMEB-V2" [TMLR 2026], et "MMEB-V3" [COLM 2026]