rag

Um aplicativo nativo para macOS que permite aos usuários conversar com um LLM local, capaz de responder com informações de arquivos, pastas e sites no seu Mac sem instalar nenhum software adicional. Desenvolvido com llama.cpp.

🔥 Pesquisa abrangente sobre Context Engineering: desde prompt engineering até sistemas de IA de nível de produção. Centenas de artigos, frameworks e guias de implementação para LLMs e agentes de IA.

EvoAgentX: Construindo um ecossistema autoevolutivo de agentes de IA.

RAG Web UI é um sistema de diálogo inteligente baseado na tecnologia RAG (Retrieval-Augmented Generation).

Neo.mjs é um organismo de software autoevolutivo: uma equipe profissional de engenharia de IA de ponta a ponta cujo enxame de modelos cruzados habita aplicativos ao vivo via Neural Link, Active Hybrid GraphRAG, DreamService e loops de autocura.

Habilidades de agente para produtos NVIDIA — instale no Claude Code, Codex e outros agentes de codificação para executar fluxos de trabalho de IA Física, robótica, simulação, CUDA e RAG de ponta a ponta.

Biblioteca Python rápida, precisa e leve para criar embeddings de última geração

Plataforma de IA de código aberto para entrevistas, construída com Spring Boot 4.1, Java 25, Spring AI 2.0, React, PostgreSQL/pgvector, Redis e RustFS. Suporta análise inteligente de currículos, simulação de entrevistas, entrevistas por voz e RAG em base de conhecimento.

Aprenda a construir seu assistente de IA 'Second Brain' com LLMs, agentes, RAG, fine-tuning, LLMOps e técnicas de sistemas de IA.

Busca por IA e RAG sem mover seus dados. Obtenha respostas instantâneas da base de conhecimento da sua empresa em mais de 100 aplicativos, mantendo os dados seguros. Implante em minutos, não em meses.

Jupyter Notebooks para ajudar você a praticar com bancos de dados vetoriais Pinecone

Uma coleção curada de projetos práticos de IA implementando sistemas de OCR, RAG, agentes de IA e outros casos de uso de IA.

Guia de design de sistemas de IA para engenheiros que constroem sistemas de IA em produção e avaliações.

pingcap/autoflow é uma ferramenta de base de conhecimento conversacional baseada em Graph RAG, construída com TiDB Serverless Vector Storage. Demonstração: https://tidb.ai

Seu guia de consulta rápida para entrevistas de Engenharia de IA – Perguntas e Respostas.

O banco de dados de busca nativo em IA. Ideal para armazenamento de agentes, unifica dados vetoriais, textuais, estruturados e semiestruturados em um único motor. Este banco de dados tudo-em-um torna os agentes mais inteligentes, fáceis de executar e estáveis.

Memória de longo prazo baseada em perfil de usuário para aplicações de chatbot de IA.

Um sistema de agentes de pesquisa de código aberto profundamente integrado à sua biblioteca Zotero.

Sistema de código aberto nativo de IA para criação de romances longos, utilizando agentes, construção de mundo, motor de escrita, RAG e fluxo de trabalho de produção completo, ajudando iniciantes a ir de uma única ideia a um romance completo. Motor nativo de IA para criação de romances de ponta a ponta — da ideia aos capítulos completos, com planejamento estruturado, construção de mundos e fluxos de trabalho orientados por agentes.

Plataforma tudo-em-um para busca, recomendações, RAG e análise oferecida via API.

[EMNLP-2024] Crie agentes de linguagem multimodal para prototipagem rápida e produção

A camada de memória de código aberto para agentes autônomos.

Projeto prático de desenvolvimento de IA com navegação de programação, construído com Spring Boot 3 + Java 21 + Spring AI. Inclui a criação de um aplicativo de consultoria amorosa com IA e o agente autônomo YuManus baseado no padrão ReAct. Abrange integração de LLMs, recursos do Spring AI, engenharia de prompts, RAG, bancos de dados vetoriais, Tool Calling, protocolo MCP, desenvolvimento de AI Agents e uso do Cursor AI.

Awesome-GraphRAG: Uma lista curada de recursos (pesquisas, artigos, benchmarks e projetos de código aberto) sobre geração aumentada por recuperação baseada em grafos.

Ferramenta de escrita de propostas de IA pronta para uso, incluindo geração de propostas, caixa de ferramentas de licitação, base de conhecimento, verificação de duplicatas e análise de conformidade, totalmente open source e gratuita

O Apache Hamilton ajuda cientistas de dados e engenheiros a definir fluxos de dados testáveis, modulares e auto-documentados, que codificam linhagem/rastreamento e metadados. Executa e escala em qualquer lugar onde o Python execute.

Este repositório contém várias técnicas avançadas para sistemas de Geração Aumentada por Recuperação (RAG).

Uma camada de memória persistente e unificada para todos os seus agentes de IA (ex: Claude Code, Codex), baseada em Markdown e Milvus.

Construa, execute e dimensione agentes de IA como APIs e microsserviços

Aprenda a usar o Ollama, execute a implantação de grandes modelos de linguagem (LLMs) via CPU. Leitura online: https://datawhalechina.github.io/handy-ollama/