rag

🥤 RAGLite adalah toolkit Python untuk Retrieval-Augmented Generation (RAG) dengan DuckDB atau PostgreSQL

Awesome AI Memory | Memori LLM | Basis pengetahuan kurasi tentang memori AI untuk LLM dan agent, mencakup memori jangka panjang, penalaran, pengambilan (retrieval), dan desain sistem native-memori.

RAG Search API

Lab praktis untuk membangun, menguji, dan mengevaluasi aplikasi dengan kerangka kerja Foundation Models dari Apple.

CLI terbuka untuk mengintegrasikan pencarian AI, rekomendasi, dan pengambilan percakapan ke dalam sistem agen dan sistem bisnis

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

Penyelarasan efisien untuk fine-tuning pengambilan RAG, termasuk Embedding, ColBERT, dan ReRanker.

Server pencarian situs & perusahaan sumber terbuka yang di-host mandiri, dibangun di atas OpenSearch. Melakukan crawling web / file / DB / sumber cloud, 20+ bahasa, REST API, serta AI/RAG & pencarian semantik. Apache-2.0.

Bangun sistem berbasis agen. Jalankan dengan percaya diri. Orkes-kan agen, otomatiskan proses bisnis, periksa setiap eksekusi, dan jaga manusia tetap pegang kendali. Deploy Heym di infrastruktur Anda sendiri.

[ICLR 2026] LightMem: Generasi Berbasis Memori yang Ringan dan Efisien

Spreadsheet kolaboratif untuk AI. Rangkai sel menjadi pipeline yang canggih, eksperimen dengan prompt dan model, serta evaluasi respons LLM secara real-time. Bekerja sama secara mulus untuk membangun dan mengiterasi aplikasi AI.

Mengobrol dengan dokumen Anda menggunakan AI lokal

Dynamiq adalah kerangka kerja orkestrasi untuk aplikasi AI agen dan LLM

TurboOCR, >200 img/s OmnidocBench. TensorRT FP16, PP-OCRv6, HTTP + gRPC

Pencarian + Obrolan = SearChat (Obrolan AI dengan Pencarian), Mendukung OpenAI/Anthropic/VertexAI/Gemini, DeepResearch, SearXNG, Docker.

Database vektor yang dapat disematkan untuk Go dengan antarmuka seperti Chroma dan nol dependensi pihak ketiga. Dalam memori dengan persistensi opsional.

Memori agen untuk LLM: 30 notebook Jupyter yang dapat dijalankan mencakup buffer percakapan, penyimpanan vektor, grafik pengetahuan, memori episodik dan semantik, MemGPT, Mem0, Letta, Zep, Graphiti, tolok ukur LoCoMo, dan pola produksi.

Fork @ClickHouse yang mendukung pencarian vektor dan pencarian teks lengkap berkinerja tinggi.

Pusat pembelajaran Kecerdasan Buatan yang lengkap dan terstruktur — mencakup AI, Machine Learning, Deep Learning, dan Data Science dengan buku, peta jalan, serta sumber daya pilihan dari tingkat pemula hingga mahir.

Kerangka kerja Pemanggilan Fungsi AI TypeScript yang disempurnakan dengan keahlian compiler.

Agen repositori berbasis LLM yang dirancang untuk membantu pengembang dan tim dalam menghasilkan dokumentasi serta memahami repositori dengan cepat.

Agen riset ekuitas AI dengan alur kerja tangguh, RAG berbasis bukti, laporan versi, dan evaluasi kualitas otomatis.

Mesin Parsing Multimodal All-in-One + Mesin Pengetahuan Siap AI yang Didorong oleh Ontology dan LLM Wiki

Pustaka PDF tercepat untuk Python dan Rust. Ekstraksi teks, ekstraksi gambar, konversi markdown, pembuatan & pengeditan PDF. Rata-rata 0,8ms, 5x lebih cepat dari pemimpin industri, tingkat keberhasilan 100% pada 3.830 PDF. MIT/Apache-2.0.

Agen AI operasional yang memahami infrastruktur Anda, menemukan akar masalah, dan memperbaikinya — langsung dari Slack, Telegram, Lark, atau DingTalk.

Pustaka Rust untuk menghasilkan embedding vektor, melakukan reranking secara lokal!

Re-ranking yang ringan dan sangat cepat untuk pipeline pencarian & pengambilan Anda. Mendukung re-ranking Listwise dan Pairwise SoTA berbasis LLM, cross-encoder, dan lainnya. Dibuat oleh Prithivi Da, terbuka untuk PR & Kolaborasi.

Bangun aplikasi GenAI yang cepat dan akurat dengan GraphRAG SDK dalam skala besar 🌟

Panduan lengkap untuk memulai dan meningkatkan keterampilan LLM Anda di tahun 2026 dengan latar belakang minim di bidang ini, serta tetap update dengan berita terbaru dan teknik mutakhir!