vector-search

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

Thư viện Python nhanh, chính xác và nhẹ để tạo Embedding tiên tiến (State of the Art)

Dịch vụ vi mô AI agent

Công cụ mã nguồn mở để kiểm thử và thử nghiệm prompt, hỗ trợ cả LLM (như OpenAI, LLaMA) và cơ sở dữ liệu vector (như Chroma, Weaviate, LanceDB).

Jupyter Notebooks giúp bạn làm quen thực tế với cơ sở dữ liệu vector Pinecone

Máy chủ suy luận mã nguồn mở và cụm sản xuất cho tất cả các mô hình mà agent của bạn cần.

Nền tảng tất cả trong một cho tìm kiếm, gợi ý, RAG và phân tích được cung cấp qua API

🚀 Thư viện tổng hợp thuật toán tìm kiếm hàng xóm gần nhất xấp xỉ hiệu quả viết bằng Rust 🦀.

Một SOTA mới cho RAG — kiến trúc truy xuất nguyên bản và cơ sở tri thức mã nguồn mở dành cho con người và agent.

Tìm kiếm vector phân tán cho các ứng dụng AI-native

Trình đọc sách điện tử đa nền tảng tích hợp AI với tìm kiếm ngữ nghĩa, trò chuyện RAG, kho vector cục bộ, ghi chú, TTS và đồng bộ hóa WebDAV.

Một tiện ích mở rộng SQLite hỗ trợ tìm kiếm vector hiệu quả, dựa trên Faiss!

Xây dựng các ứng dụng tích hợp LLM bằng Ruby

SeekStorm: tìm kiếm vector & từ khóa - thư viện chạy trong tiến trình và máy chủ đa khách thuê, viết bằng Rust.

Các phép tính khoảng cách, tích vô hướng, thao tác ma trận, kernel địa lý & hình học được tăng tốc bằng SIMD cho 16 kiểu số — từ số thực 6-bit đến số phức 64-bit — trên các kiến trúc x86, Arm, RISC-V và WASM, đi kèm binding cho Python, Rust, C, C++, Swift, JS và Go 📐

Tìm kiếm ngữ nghĩa & Đồ thị lệnh gọi dành cho AI Agent (100% cục bộ)

XERJ là cách tiếp cận mới để AI tìm kiếm dữ liệu. Khả năng tự động lập chỉ mục của nó kích hoạt các agent hiểu rõ dữ liệu của bạn mà không lãng phí token như grep và sed. Một câu lệnh duy nhất lập chỉ mục mã nguồn, tài liệu, nhật ký và PDF để tìm kiếm, RAG, kiểm tra bảo mật và bộ nhớ agent, sử dụng ít token hơn 40 lần so với grep. Tương thích với Elasticsearch, do đó các client hiện có hoạt động ngay lập tức.

Công cụ tìm kiếm véc-tơ có khả năng mở rộng, nhanh chóng và thân thiện với đĩa trong Postgres, phiên bản kế nhiệm của pgvecto.rs.

JVector: công cụ tìm kiếm vector nhúng tiên tiến nhất

Mẫu để xây dựng công cụ tìm kiếm tài liệu kiểu ChatGPT tùy chỉnh của riêng bạn được hỗ trợ bởi Next.js, OpenAI và Supabase.

Bộ sưu tập các thư viện, dịch vụ và bài báo nghiên cứu liên quan đến tìm kiếm vector.

MemFree - Công cụ tìm kiếm AI lai & Trình tạo trang AI

Tìm kiếm láng giềng gần nhất với đồ thị láng giềng và cây cho dữ liệu chiều cao

Client Python cho công cụ tìm kiếm vector Qdrant

AI đa phương thức cỡ nhỏ để hiểu và tạo nội dung trên văn bản đa ngôn ngữ, hình ảnh và video, nhanh hơn tới 5 lần so với OpenAI CLIP và LLaVA

RAGLite là bộ công cụ Python dành cho Retrieval-Augmented Generation (RAG) với DuckDB hoặc PostgreSQL

Điểm chuẩn (Benchmark) cho cơ sở dữ liệu vector

ArcadeDB Multi-Model Database, một hệ quản trị cơ sở dữ liệu (DBMS) hỗ trợ SQL, Cypher, Gremlin, HTTP/JSON, MongoDB và Redis. ArcadeDB là một nhánh ý tưởng của OrientDB, DBMS đa mô hình đầu tiên. ArcadeDB hỗ trợ Vector Embeddings.

Cơ sở dữ liệu vector có thể nhúng cho Go với giao diện giống Chroma và không có phụ thuộc bên thứ ba. Lưu trữ trong bộ nhớ với tính năng lưu bền vững tùy chọn.

Một nhánh (fork) của ClickHouse hỗ trợ tìm kiếm vector hiệu suất cao và tìm kiếm toàn văn bản.