rag

Le blueprint NVIDIA AI pour la recherche et le résumé vidéo (VSS) est une architecture de référence accélérée par GPU pour créer des agents d'analyse vidéo avec des alertes vérifiées en temps réel, des questions-réponses visuelles et des rapports automatisés. Le blueprint VSS utilise des modèles de langage visuel (VLM) tels que NVIDIA Cosmos, des LLM tels que NVIDIA Nemotron, le RAG et NVIDIA NIMs.

Création de modèles de langage dotés de compétences sociales | Couvre le prompt engineering, le RAG, les agents et le fine-tuning de LLM.

YouTube Full Text Search - Recherchez sur tout YouTube depuis la ligne de commande

Collection d'articles sur le RAG pour l'AIGC. Nous proposons une taxonomie des fondements, améliorations et applications du RAG dans l'article "Retrieval-Augmented Generation for AI-Generated Content: A Survey".

WFGY se dirige vers le protocole WFGY 5.0 Polaris, une version open-source majeure pour le raisonnement IA, le RAG, les agents et les flux de travail réels. Inclut Problem Map, Global Debug Card, WFGY 4.0 et l'Easter Egg CFV.

Recherche BM25 rapide en Python, propulsée par Numpy et Numba

Extraction de données non structurées rapide et efficace. Écrit en Rust avec des bindings pour de nombreux langages.

Un framework Go pour créer des systèmes d'agents en production avec workflows graphiques, outils, mémoire, A2A, AG-UI, MCP, évaluation et observabilité.

L'implémentation officielle de RAPTOR : Recursive Abstractive Processing for Tree-Organized Retrieval

Une collection organisée d'articles de recherche sur les agents IA publiés en 2026, couvrant l'ingénierie des agents, la mémoire, l'évaluation, les flux de travail et les systèmes autonomes.

Agentic-RAG explore les systèmes avancés de génération augmentée par récupération améliorés par des agents LLM.

Créez des personnages dans Unity avec des LLM.

Composants de base pour le développement rapide d'applications GenAI

Trench — Infrastructure d'analyse open source. Une image Docker prête pour la production basée sur ClickHouse, Kafka et Node.js pour le suivi d'événements. Créez facilement des tableaux de bord d'analyse produit, des RAG LLM, des plateformes d'observabilité ou tout autre produit d'analyse.

Un dépôt de cours par projet pour développer des agents IA avec LangChain v1+ et LangGraph : agents de recherche, systèmes RAG, agents de réflexion et interpréteurs de code.

Ce dépôt propose une solution avancée de génération augmentée par récupération (RAG) pour répondre à des questions complexes, utilisant des algorithmes basés sur des graphes.

Démystifiez le RAG en le construisant de zéro. LLM locaux, sans boîte noire : une compréhension réelle des embeddings, de la recherche vectorielle, de la récupération et de la génération augmentée par le contexte.

WikiChat est un RAG amélioré. Il limite les hallucinations des grands modèles de langage en récupérant des données depuis un corpus.

Hivemind transforme vos traces en compétences réutilisables entre agents

[EMNLP 2025 Oral] MemoryOS est conçu pour fournir un système d'exploitation mémoire pour les agents IA personnalisés.

Implémentation open source du Wiki LLM de Karpathy. Téléversez des documents, connectez votre compte Claude via MCP et laissez-le rédiger votre wiki !

Interagissez avec votre Mac et interrogez vos documents sans cloud. IA vocale locale et RAG sur appareil.

Quand la philosophie rencontre l'IA.

Une boîte à outils pour créer une configuration RAG (Retrieval Augmented Generation) optimale et prête pour la production à partir de vos données.

Service client open source prêt pour la production avec évaluations et surveillance intégrées

Cache-Augmented Generation : une alternative simple et efficace au RAG.

Framework d'agents vidéo IA pour les interactions et flux de travail vidéo de nouvelle génération.

Dépôt officiel pour "TheoremExplainAgent: Towards Video-based Multimodal Explanations for LLM Theorem Understanding" [ACL 2025 oral]

Ce dépôt contient des exemples pour aider les clients à démarrer avec le service Amazon Bedrock. Il inclut des exemples pour tous les modèles fondamentaux disponibles.

Un système de configuration d'agent de questions-réponses conversationnel, des solutions de déploiement auto-hébergées et un SDK tout-en-un pratique, vous permettant de créer des bots de questions-réponses intelligents pour vos dépôts GitHub