rag

Deploy model AI, agent, database, RAG, dan pipeline apa pun secara lokal atau jarak jauh dalam hitungan menit

Pencarian teks lengkap dan semantik pada Postgres apa pun

Desain, evaluasi, dan optimalisasi sistem RAG end-to-end. Pelatihan RAG GeekTime, bedah komprehensif 10 komponen RAG, dan 4 proyek praktis untuk memahami alur kerja RAG sepenuhnya. Implementasi RAG harus berorientasi pada bisnis, bukan sebaliknya. Itulah mengapa kita perlu melakukan penyesuaian, optimalisasi, dan kustomisasi khusus untuk skenario dan masalah yang berbeda. Detail adalah kuncinya, dan kami mendalaminya.

ARGO adalah platform Agen AI open-source yang menghadirkan Local Manus ke desktop Anda. Dengan pengunduhan model sekali klik, integrasi LLM tertutup yang mulus, dan basis pengetahuan RAG yang mengutamakan offline, ARGO menjadi pusat kekuatan DeepResearch untuk pemikiran otonom, perencanaan tugas, dan 100% data Anda tetap lokal. Mendukung Win/Mac/Docker.

🔥 Repositori ini berisi contoh aplikasi lengkap, termasuk situs web dan proyek lainnya, yang dikembangkan menggunakan Firecrawl.

Suite AI sisi klien yang sepenuhnya offline dan paling canggih di Android saat ini.

Repositori ini berisi implementasi AutoSchemaKG, sebuah framework baru untuk konstruksi knowledge graph otomatis yang menggabungkan pembuatan skema melalui konseptualisasi.

Memori jangka panjang untuk asisten AI. Penyimpanan grafik + vektor yang mengingat keputusan, hubungan, dan konteks di berbagai sesi.

Armada Agen Pribadi dengan Pemrograman Spesifikasi. Setiap agen mendapatkan desktop berakselerasi GPU mereka sendiri. Jalankan Claude, Codex, Gemini, dan model terbuka pada AI Stack pribadi penuh

Melatih Model secara Kontrastif di PyTorch

Album Berbasis AI: Obrolan dengan galeri Anda menggunakan bahasa sehari-hari! LLM Vision + RAG + Album/Galeri.

Lapisan memori berkas tunggal bersama untuk semua agen Anda, RAG sub-milidetik untuk teks, foto, dan video di Apple Silicon. Tanpa server. Tanpa API. Satu berkas. Swift murni.

Contoh yang menunjukkan cara membangun aplikasi Java yang didukung oleh Generative AI dan LLM menggunakan Spring AI dan Spring Boot.

Aplikasi LLM agen, kueri, pengindeksan streaming yang cepat di Rust

Kerangka kerja agen inovatif yang didorong oleh mesin KG.

Kerangka kerja untuk meningkatkan LLM untuk tugas RAG menggunakan fine-tuning.

Repositori materi persiapan wawancara untuk backend Java / AI Agent / desain sistem / algoritma yang terbuka untuk umum

Mengimpor file untuk retrieval augmented generation (RAG) dengan Large Language Models (LLM) open-source, semuanya tanpa pihak ketiga atau data sensitif yang keluar dari jaringan Anda.

Blueprint NVIDIA RAG ini berfungsi sebagai solusi referensi untuk pipeline Retrieval Augmented Generation (RAG) dasar.

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

Generative AI Examples adalah kumpulan contoh GenAI seperti ChatQnA, Copilot, yang mengilustrasikan kemampuan alur dari proyek Open Platform for Enterprise AI (OPEA).

Proyek praktis asisten pemrograman AI 2025, dibangun dengan Spring Boot 3.5 + Java 21 + LangChain4j + AI untuk membuat robot pembelajaran pemrograman dan bimbingan kerja cerdas, mencakup integrasi model AI, fitur inti LangChain4j, dialog streaming, rekayasa Prompt, RAG, basis data vektor, pemanggilan alat (Tool Calling), protokol konteks model MCP, web scraping, keamanan, pengembangan frontend Vue.js, dan SSE.

Server MCP kecerdasan kode lokal dan CLI untuk agen pengodean AI

AI 小说创作软件：把灵感、角色、世界观、大纲、章节写作、审稿和修稿组织成可控流程；提供 Windows/macOS 桌面版、Ollama 与 DSH 插件预览。

Berikan memori kolektif dan persisten pada agen AI Anda — dengan penyerapan de-duplikasi, silsilah suksesi, pencarian semantik, dan UI grafik. Mendukung MCP.

Platform pengembangan agen tingkat perusahaan ReachAI: Cepat dan aman menyelesaikan transformasi cerdas pada sistem bisnis yang ada, memungkinkan AI untuk mencari data, mengisi formulir, dan memproses bisnis di sistem asal seperti OA, ERP, CRM, dan lainnya.

Proyek edukasi (langkah demi langkah) untuk mengajarkan cara membangun aplikasi RAG yang siap produksi.

Berchating dengan beberapa PDF secara lokal

🔥 Rankify: Toolkit Python Komprehensif untuk Retrieval, Re-Ranking, dan Retrieval-Augmented Generation (RAG) 🔥. Toolkit kami mengintegrasikan 40 dataset benchmark pra-retrieval dan mendoroang 7+ teknik retrieval, 24+ model Reranking mutakhir, serta berbagai metode RAG.

Repositori ini berisi kode untuk "VLM2Vec / MMEB" [ICLR 2025], "VLM2Vec-V2 / MMEB-V2" [TMLR 2026], dan "MMEB-V3" [COLM 2026]