rag

NVIDIA AI Blueprint untuk pencarian dan peringkasan video (VSS) adalah arsitektur referensi yang dipercepat GPU untuk membangun agen analitik video dengan peringatan terverifikasi waktu nyata, tanya jawab visual, dan pelaporan otomatis. Blueprint VSS menggunakan model bahasa visi (VLM) seperti NVIDIA Cosmos, LLM seperti NVIDIA Nemotron, RAG, dan NVIDIA NIM.

Membuat Large Language Model yang memahami konteks sosial | Mencakup tutorial prompt engineering, RAG, Agent, dan fine-tuning LLM.

YouTube Full Text Search - Cari di seluruh YouTube dari baris perintah

Mengumpulkan makalah keren tentang RAG untuk AIGC. Kami mengusulkan taksonomi dasar, peningkatan, dan aplikasi RAG dalam makalah "Retrieval-Augmented Generation for AI-Generated Content: A Survey".

WFGY menuju ke WFGY 5.0 Polaris Protocol, rilis open-source utama untuk penalaran AI, RAG, agen, dan alur kerja dunia nyata. Termasuk Problem Map, Global Debug Card, WFGY 4.0, dan CFV Easter Egg.

Pencarian BM25 cepat dengan Python, didukung oleh Numpy dan Numba

Ekstraksi data tak terstruktur yang cepat dan efisien. Ditulis dalam bahasa Rust dengan binding untuk berbagai bahasa.

Framework Go untuk membangun sistem agen produksi dengan alur kerja berbasis grafik, alat, memori, A2A, AG-UI, MCP, evaluasi, dan observabilitas.

Implementasi resmi dari RAPTOR: Recursive Abstractive Processing for Tree-Organized Retrieval

Koleksi kurasi makalah penelitian AI agent yang dirilis pada tahun 2026, mencakup rekayasa agent, memori, evaluasi, alur kerja, dan sistem otonom.

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

Buat karakter di Unity dengan LLM!

Blok bangunan untuk pengembangan cepat aplikasi GenAI

Trench — Infrastruktur Analitik Sumber Terbuka. Satu image Docker siap produksi yang dibangun di atas ClickHouse, Kafka, dan Node.js untuk pelacakan event. Mudah membangun dasbor analitik produk, RAG LLM, platform observabilitas, atau produk analitik lainnya.

Repositori kursus berbasis proyek untuk mengembangkan AI agents menggunakan LangChain v1+ dan LangGraph: search agents, sistem RAG, reflection agents, dan interpreter kode.

Repositori ini menyediakan solusi Retrieval-Augmented Generation (RAG) tingkat lanjut untuk tanya jawab yang kompleks. Menggunakan algoritma berbasis grafik yang canggih untuk menangani tugas tersebut.

Memahami RAG dengan membangunnya dari awal. LLM lokal, tanpa kotak hitam — pemahaman nyata tentang embedding, pencarian vektor, pencarian kembali, dan generasi yang diperkaya konteks.

WikiChat adalah RAG yang ditingkatkan. Ini menghentikan halusinasi dari large language models dengan mengambil data dari korpus.

Hivemind mengubah lacakan Anda menjadi keahlian yang dapat digunakan kembali di berbagai agen

[EMNLP 2025 Oral] MemoryOS dirancang untuk menyediakan sistem operasi memori bagi agen AI yang dipersonalisasi.

Implementasi Open Source dari LLM Wiki milik Karpathy. Unggah dokumen, hubungkan akun Claude Anda melalui MCP, dan biarkan ia menulis wiki Anda!

Bicaralah dengan Mac Anda, kueri dokumen Anda, tidak perlu cloud. AI suara di perangkat + RAG

Toolkit untuk membuat pengaturan Retrieval Augmented Generation (RAG) yang optimal dan siap produksi untuk data Anda

Ketika Filsafat bertemu dengan AI

Layanan pelanggan siap produksi sumber terbuka dengan evaluasi dan pemantauan bawaan

Cache-Augmented Generation: Alternatif yang Sederhana dan Efisien untuk RAG

Kerangka kerja agen video AI untuk interaksi dan alur kerja video generasi berikutnya.

Repositori Resmi untuk "TheoremExplainAgent: Towards Video-based Multimodal Explanations for LLM Theorem Understanding" [ACL 2025 oral]

Repositori ini berisi contoh bagi pelanggan untuk mulai menggunakan Layanan Amazon Bedrock. Ini berisi contoh untuk semua model fondasi yang tersedia

Sistem konfigurasi agen Tanya Jawab percakapan, solusi penerapan mandiri, dan SDK aplikasi serbaguna yang nyaman, memungkinkan Anda membuat bot Tanya Jawab cerdas untuk repositori GitHub Anda