vector-search

Bibliothèque Python rapide, précise et légère pour créer des embeddings de pointe.

Microservice d'agent IA.

Outils open source pour le test et l'expérimentation de prompts, avec prise en charge des LLM (ex: OpenAI, LLaMA) et des bases de données vectorielles (ex: Chroma, Weaviate, LanceDB).

Notebooks Jupyter pour vous aider à prendre en main les bases de données vectorielles Pinecone.

Serveur d'inférence open-source et cluster de production pour tous les modèles nécessaires à vos agents.

Local-first search across your workspace, built for humans and AI agents.

Plateforme tout-en-un pour la recherche, les recommandations, le RAG et l'analytique via API

Bibliothèque de collections d'algorithmes de recherche de plus proches voisins approximatifs efficaces écrite en Rust

Un nouvel état de l'art pour le RAG — une architecture de récupération originale et une base de connaissances open source pour les humains et les agents.

Recherche vectorielle distribuée pour les applications natives IA

Lecteur de livres électroniques multiplateforme alimenté par l'IA avec recherche sémantique, chat RAG, stockage vectoriel local, notes, synthèse vocale (TTS) et synchronisation WebDAV.

Une extension SQLite pour la recherche vectorielle efficace, basée sur Faiss.

Créez des applications basées sur les LLM en Ruby.

SeekStorm : recherche vectorielle et lexicale - bibliothèque in-process et serveur multi-tenant, en Rust.

Distances accélérées par SIMD, produits scalaires, opérations matricielles, noyaux géospatiaux et géométriques pour 16 types numériques — des flottants 6 bits aux complexes 64 bits — sur x86, Arm, RISC-V et WASM, avec bindings pour Python, Rust, C, C++, Swift, JS et Go 📐

Recherche sémantique et graphes d'appels pour agents IA (100 % local).

XERJ est la nouvelle méthode pour l'IA de rechercher des données. Sa capacité d'auto-indexation permet aux agents de connaître vos données sans le gaspillage de jetons de grep et sed. Une seule commande indexe le code, les documents, les logs et les PDF pour la recherche, le RAG, les audits de sécurité et la mémoire des agents, en utilisant 40 fois moins de jetons que grep. Compatible avec Elasticsearch, permettant aux clients existants de fonctionner immédiatement.

Recherche vectorielle évolutive, rapide et optimisée pour le disque dans Postgres, successeur de pgvecto.rs

JVector : le moteur de recherche vectorielle embarqué le plus avancé

Modèle pour créer votre propre recherche documentaire personnalisée de type ChatGPT, propulsé par Next.js, OpenAI et Supabase.

Collection de bibliothèques, services et articles de recherche liés à la recherche vectorielle

MemFree - Moteur de recherche IA hybride et générateur de pages IA

Recherche du plus proche voisin avec graphe de voisinage et arbre pour les données de haute dimension.

Client Python pour le moteur de recherche vectorielle Qdrant

IA multimodale de poche pour la compréhension et la génération de contenu textuel, image et bientôt vidéo, jusqu'à 5 fois plus rapide qu'OpenAI CLIP et LLaVA

RAGLite est une boîte à outils Python pour la génération augmentée par récupération (RAG) avec DuckDB ou PostgreSQL.

Benchmark pour bases de données vectorielles.

Base de données multi-modèle ArcadeDB, un SGBD prenant en charge SQL, Cypher, Gremlin, HTTP/JSON, MongoDB et Redis. ArcadeDB est un fork conceptuel d'OrientDB, le premier SGBD multi-modèle. ArcadeDB prend en charge les plongements vectoriels (Vector Embeddings).

Base de données vectorielle intégrable pour Go avec une interface similaire à Chroma, sans dépendances tierces. Fonctionne en mémoire avec persistance optionnelle.

Un fork de ClickHouse prenant en charge la recherche vectorielle et la recherche plein texte haute performance.