retrieval-augmented-generation

Server inferensi sumber terbuka dan kluster produksi untuk semua model yang dibutuhkan agen Anda.

Kode yang digunakan untuk melatih dan menjalankan inferensi dengan model ColVision, contohnya ColPali, ColQwen2, dan ColSmol.

Platform serbaguna untuk pencarian, rekomendasi, RAG, dan analitik yang ditawarkan melalui API

Awesome-GraphRAG: Daftar sumber daya pilihan (survei, makalah, tolok ukur, dan proyek sumber terbuka) tentang generasi yang ditingkatkan pengambilan berbasis grafik.

Sumber daya komprehensif tentang AI Generatif, termasuk peta jalan terperinci, proyek, kasus penggunaan, persiapan wawancara, dan persiapan pemrograman.

Pencarian vektor terdistribusi untuk aplikasi berbasis AI.

NestJS Helper + Pengembangan Chatbot AI

[ACL2026] "MiniRAG: Membuat RAG Lebih Sederhana Lebih Sederhana Lebih Sederhana lebih sederhana dengan model bahasa kecil dan sumber terbuka"

Kumpulan kerangka kerja, proyek, and sumber daya RAG (Retrieval-Augmented Generation) yang digerakkan oleh komunitas. Berkontribusi dan jelajahi ekosistem RAG yang terus berkembang.

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.

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.

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

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

Daftar perangkat lunak yang memungkinkan pencarian web dengan bantuan AI: https://hf.co/spaces/felladrin/awesome-ai-web-search

Panduan komprehensif untuk mempelajari RAG dari dasar hingga tingkat lanjut.

Daftar keren aplikasi Retrieval-Augmented Generation (RAG) dalam Generative AI.

Awesome-LLM-RAG: daftar kurasi retrieval augmented generation (RAG) tingkat lanjut dalam Large Language Models

SmythOS Runtime Environment (SRE) adalah runtime open-source yang natif-cloud untuk agentic AI. Aman, modular, dan siap produksi, memungkinkan pengembang untuk membangun, menjalankan, dan mengelola agen cerdas di lingkungan lokal, cloud, dan edge.

TrustRAG: Kerangka kerja RAG dengan input andal dan output tepercaya

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

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

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.

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

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

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.

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!

RAG tanpa parsing yang didukung oleh VLM.

⚕️ Chatbot diagnostik medis berbasis GenAI multi-agen dan bantuan riset kesehatan. 🏥 Dirancang untuk profesional kesehatan, peneliti, dan pasien.

RAG-Fusion: pembuatan multi-query + Reciprocal Rank Fusion untuk retrieval-augmented generation yang lebih baik. Termasuk harness evaluasi dengan NFCorpus/BEIR.