vector-search

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

Microsserviço de agente de IA.

Ferramentas de código aberto para teste e experimentação de prompts, com suporte para LLMs (ex: OpenAI, LLaMA) e bancos de dados vetoriais (ex: Chroma, Weaviate, LanceDB).

Local-first search across your workspace, built for humans and AI agents.

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

Servidor de inferência open-source e cluster de produção para todos os modelos que seu agente precisa.

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

Biblioteca de coleções de algoritmos de busca de vizinho mais próximo aproximado eficiente escrita em Rust.

Um novo SOTA para RAG — uma arquitetura de recuperação original e uma base de conhecimento open source para humanos e agentes.

Busca vetorial distribuída para aplicações nativas de IA

Leitor de e-books multiplataforma com IA, busca semântica, chat RAG, armazenamento vetorial local, notas, TTS e sincronização via WebDAV.

Uma extensão SQLite para busca vetorial eficiente, baseada em Faiss!

Crie aplicações baseadas em LLM usando Ruby

SeekStorm: busca vetorial e lexical - biblioteca em processo e servidor multi-tenant, em Rust.

Distâncias aceleradas por SIMD, produtos escalares, operações de matriz, kernels geoespaciais e geométricos para 16 tipos numéricos — de floats de 6 bits a complexos de 64 bits — em x86, Arm, RISC-V e WASM, com bindings para Python, Rust, C, C++, Swift, JS e Go 📐

Busca semântica e grafos de chamadas para agentes de IA (100% local).

XERJ é a nova forma de pesquisar dados com IA. Sua capacidade de autoindexação ativa agentes para compreender seus dados sem o desperdício de tokens do grep e sed. Um comando indexa código, documentos, logs e PDFs para busca, RAG, auditorias de segurança e memória de agentes, usando 40x menos tokens que o grep. Compatível com Elasticsearch, permitindo o uso de clientes existentes.

Busca vetorial escalável, rápida e amigável ao disco no Postgres, o sucessor do pgvecto.rs.

JVector: o mecanismo de busca vetorial embarcado mais avançado

Template para criar sua própria busca de documentos estilo ChatGPT, utilizando Next.js, OpenAI e Supabase.

Coleções de bibliotecas, serviços e artigos de pesquisa relacionados a busca vetorial

MemFree - Mecanismo de busca híbrido com IA e gerador de páginas com IA.

Busca de vizinho mais próximo com grafo de vizinhança e árvore para dados de alta dimensão.

Cliente Python para o mecanismo de busca vetorial Qdrant.

IA multimodal de bolso para compreensão e geração de conteúdo em textos multilíngues, imagens e 🔜 vídeo, até 5x mais rápida que o OpenAI CLIP e LLaVA 🖼️ & 🖋️

🥤 RAGLite é um kit de ferramentas Python para Geração Aumentada por Recuperação (RAG) com DuckDB ou PostgreSQL

Benchmark para bancos de dados vetoriais.

Banco de dados multimodelo ArcadeDB, um SGBD que suporta SQL, Cypher, Gremlin, HTTP/JSON, MongoDB e Redis. O ArcadeDB é um fork conceitual do OrientDB, o primeiro SGBD multimodelo. O ArcadeDB suporta embeddings vetoriais.

Banco de dados vetorial embutível para Go com interface semelhante ao Chroma e zero dependências de terceiros. Em memória com persistência opcional.

O RAFT contém algoritmos e primitivas fundamentais amplamente utilizados para aprendizado de máquina e recuperação de informações. Os algoritmos são acelerados por CUDA e formam blocos de construção para facilitar a escrita de aplicações de alto desempenho.