agentic-rag

18 Pelajaran untuk memulai membangun Agen AI

Basis data konteks yang berevolusi sendiri untuk Agen AI. Menyatukan Memori Agen, RAG Pengetahuan, dan Keterampilan.

Sistem kurasi pengetahuan berbasis LLM yang meneliti topik dan menghasilkan laporan lengkap dengan sitasi.

Repositori ini menampilkan berbagai teknik canggih untuk sistem Retrieval-Augmented Generation (RAG). Setiap teknik memiliki tutorial notebook yang mendetail.

Kerangka kerja orkestrasi AI open-source untuk membangun aplikasi LLM yang direkayasa secara kontekstual dan siap produksi. Rancang pipeline modular dan alur kerja agen dengan kontrol eksplisit atas pengambilan, perutean, memori, dan generasi. Dibangun untuk agen yang dapat diskalakan, RAG, aplikasi multimodal, pencarian semantik, dan sistem percakapan.

MCP pencarian kode untuk Claude Code. Jadikan seluruh basis kode sebagai konteks untuk agen pengkodean apa pun.

Deeplake adalah AI Data Runtime untuk Agen. Menyediakan postgres serverless dengan datalake multimodal untuk pengambilan dan pelatihan data yang skalabel.

Alternatif Deep Research Open Source untuk Penalaran dan Pencarian pada Data Pribadi. Ditulis dengan Python.

Pustaka memori untuk membangun agen berstatus (stateful agents)

Platform agen pengetahuan multi-tenant yang dapat di-self-host: menyatukan RAG, knowledge graph, multi-agen, MCP/Skills, sandbox, dan manajemen izin.

Nexent adalah platform tanpa kode untuk membuat agen AI siap produksi secara otomatis menggunakan prinsip Harness Engineering — alat terpadu, keterampilan, memori, dan orkestrasi dengan batasan bawaan, putaran umpan balik, dan bidang kontrol.

Semua yang perlu Anda ketahui untuk membangun aplikasi RAG Anda sendiri

Agentic RAG modular yang dibangun dengan LangGraph — pelajari Agen Retrieval-Augmented Generation dalam hitungan menit.

Agen RAG Agentic tingkat perusahaan - cakupan penuh untuk penguraian dokumen, pencarian multi-jalur, pengenalan niat, penulisan ulang pertanyaan, memori sesi, pemanggilan alat MCP, dan pemikiran mendalam. Dihadirkan untuk skenario bisnis nyata, implementasi teknik lengkap dari 0 hingga 1.

Sistem multi-agen, memori, perencanaan, dan perulangan penalaran

Mengintegrasikan GraphRAG, LightRAG, dan Neo4j-llm-graph-builder untuk konstruksi dan pencarian knowledge graph. Menggabungkan teknologi DeepSearch untuk penalaran RAG privat serta menyediakan kerangka evaluasi khusus untuk GraphRAG.

Platform RAG sumber terbuka: sitasi bawaan, riset mendalam, 22+ format file, partisi, server MCP, dan banyak lagi.

Agentic-RAG mengeksplorasi sistem Retrieval-Augmented Generation tingkat lanjut yang disempurnakan dengan agen AI LLM.

AuditPilot: agen AI enterprise yang dapat diaudit untuk alur kerja berbasis bukti, alat yang dikelola, harness evaluasi, peninjauan manusia, dan penyampaian remediasi.

Nuwax Agent OS - Platform Pengembangan dan Operasi AI Agent tingkat perusahaan - Menyediakan solusi lengkap untuk pembuatan dan distribusi agent, manajemen basis pengetahuan, proksi model, sistem memori, dan ekosistem plugin.

[ACL 2026 KnowFM] Sumber Daya Riset Mendalam Berbasis Agen yang Keren

Healthy Diet AI Agent adalah backend Bun + TypeScript untuk obrolan nutrisi, analisis gambar makanan, penyerapan dokumen RAG, dan panduan diet berbasis pengetahuan.

Repositori kursus praktis LangGraph untuk membangun agen LLM tingkat produksi dengan alur kerja Agentic RAG, ReAct, dan refleksi.

RAGLight adalah kerangka kerja modular untuk Retrieval-Augmented Generation (RAG). Ini memudahkan integrasi berbagai LLM, embedding, dan penyimpanan vektor, serta kini menyertakan integrasi MCP yang mulus untuk menghubungkan alat eksternal dan sumber data.

Pustaka .NET untuk membangun agen AI dengan 30+ konektor bawaan.

YT Navigator: Penjelajah konten YouTube bertenaga AI yang memungkinkan Anda mencari dan mengobrol dengan video saluran menggunakan agen AI. Ekstrak wawasan dari konten berjam-jam dalam hitungan detik dengan pencarian semantik dan tanda waktu yang tepat.

Agentic RAG untuk pencarian dokumen lokal dan mandiri: pengambilan hibrida, perankingan ulang, dan RAG multimodal pada LanceDB tersemat, dengan penguraian Docling dan server MCP

企业级 AI 智能体 Agent 平台，覆盖智能对话、文档知识问答、联网搜索、RAG 检索、MCP 工具协议、Skills 扩展等完整能力。三层执行器体系、双通道混合检索、组合式切块引擎、会话记忆管理、全链路可观测，每个环节都经过深 度设计和工程化打磨。

NextPlaid, ColGREP: Pencarian multi-vektor, dari database hingga coding agent.