vector-search

RAFT contient des algorithmes et des primitives fondamentaux largement utilisés pour l'apprentissage automatique et la recherche d'informations. Les algorithmes sont accélérés par CUDA et constituent des blocs de construction pour faciliter l'écriture d'applications haute performance.

Bibliothèque Rust pour générer des plongements vectoriels et effectuer un reranking en local.

Ré-ordonnancement léger et ultra-rapide pour vos pipelines de recherche et de récupération. Supporte le ré-ordonnancement SoTA Listwise et Pairwise basé sur des LLM, des cross-encoders et plus encore. Créé par Prithivi Da, ouvert aux PR et collaborations.

RAG-Fusion : génération multi-requêtes et Reciprocal Rank Fusion pour une meilleure génération augmentée par récupération. Inclut un outil d'évaluation pour NFCorpus/BEIR.

Ce dépôt partage des notebooks de bout en bout sur l'utilisation des diverses fonctionnalités et intégrations de Weaviate !

Dépôt d'exemples de code pour les capacités de recherche vectorielle dans Azure AI Search.

RAG Time : Un parcours d'apprentissage de 5 semaines pour maîtriser le RAG

Epsilla est un système de gestion de base de données vectorielles haute performance.

Nornicdb est une base de données distribuée à faible latence, combinant graphes et vecteurs, avec MVCC temporel, offrant des recherches HNSW, des parcours de graphes et des écritures en moins d'une milliseconde. Compatible avec Neo4j Bolt/Cypher et gRPC de qdrant, elle permet une migration sans changement tout en ajoutant des fonctionnalités intelligentes comme les schémas, les embeddings gérés, le reranking avec LLM, l'accélération GPU, l'Auto-TLP, la gestion de la mémoire basée sur des politiques et un serveur MCP.

cuVS : une bibliothèque pour la recherche vectorielle et le clustering sur GPU.

Base de données orientée documents, intégrable et en mémoire, avec une interface de construction de requêtes de haut niveau.

Construction d'extensions de base de données vectorielles sur Apache Datafusion et le système BusTub de CMU-DB.

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.

NucliaDB, la base de données de recherche IA pour le RAG

Une base de données vectorielle Python dont vous avez simplement besoin — rien de plus, rien de moins.

Cadre d'agents IA TypeScript : mémoire cognitive, forge d'outils d'exécution, orchestration multi‑agents, 11 fournisseurs de LLM

Athena est un PKM agentique local-first qui vous aide à prendre de meilleures décisions avec votre propre contexte : mémoire persistante, raisonnement structuré et agents IA gouvernés fonctionnant avec n'importe quel LLM. Maîtrisez l'état, louez l'intelligence.

Utilisez ArXiv ChatGuru pour interagir avec des articles de recherche. Cette application utilise LangChain, OpenAI, Streamlit et Redis comme base de données vectorielle/cache sémantique.

Bibliothèque Go pour la recherche vectorielle intégrée et les plongements sémantiques utilisant llama.cpp

Open-source infrastructure that turns scattered SKILL.md files into curated, retrieval-ready agent-skill corpora—with retrieval and evaluation tooling included.

Dépôt historique obsolète. Superlinked développe désormais SIE, un moteur d'inférence auto-hébergé pour les embeddings, le reranking, l'OCR, l'extraction et le traitement de documents.

GraphRAG-rs est une implémentation Rust haute performance et de pointe de GraphRAG (Graph-based Retrieval Augmented Generation) qui construit des graphes de connaissances à partir de documents et permet des requêtes en langage naturel avec une extraction d'entités configurable et l'intégration de LLM locaux

Hybrid RAG system combining vector search, knowledge graph (LightRAG), and cross-encoder reranking — with Docling document parsing, visual intelligence (image/table captioning), agentic streaming chat, and inline citations. Powered by Gemini or local Ollama models.