rag

在幾分鐘內於本機或遠端部署任何 AI 模型、Agent、資料庫、RAG 和 pipeline。

在任何 Postgres 上進行全文檢索與語意搜尋

端對端 RAG 系統設計、評估與最佳化。極客時間 RAG 訓練營，全面拆解 RAG 10大元件，4個實作專案吃透 RAG 全流程。RAG 的落地往往是面向業務做 RAG，而不是反過來面向 RAG 做業務。這就是為什麼我們需要針對不同場景、不同問題做針對性的調整、优化和客製化。魔鬼全在細節中，我們深入進去探究。

ARGO 是一個開源的 AI Agent 平台，將 Local Manus 帶到您的桌面。透過一鍵模型下載、無縫的閉源 LLM 整合，以及離線優先的 RAG 知識庫，ARGO 成為自主思考與任務規劃的 DeepResearch 強力工具，且 100% 的資料都留在本地。支援 Win/Mac/Docker。

🔥 此儲存庫包含使用 Firecrawl 開發的完整應用程式範例，包含網站和其他專案。

目前 Android 上最先進、完全離線的客戶端 AI 套件。

此儲存庫包含 AutoSchemaKG 的實作，這是一個結合透過概念化進行綱要產生的自動知識圖譜建構新框架。

AI 助理的長期記憶。結合圖形與向量儲存庫，可在不同工作階段間回憶決策、關係與上下文。

具備規格編碼的私有代理艦隊。每個代理皆擁有專屬的 GPU 加速桌面，可在完整的私有 AI 堆疊上執行 Claude、Codex、Gemini 及開放模型

在 PyTorch 中進行對比模型訓練

AI 優先的相簿：用自然語言與你的相簿聊天！LLM 視覺 + RAG + 相簿/圖庫。

適用於 Apple Silicon 的共用單一檔案記憶體層，為所有代理提供次毫秒級的文字、照片和影片 RAG。無伺服器。無 API。單一檔案。純 Swift

展示如何使用 Spring AI 與 Spring Boot 建構由生成式 AI 和 LLM 驅動的 Java 應用程式的範例。

使用 Rust 實現快速、串流式的索引、查詢與 Agentic LLM 應用程式

由 KG 引擎驅動的創新 Agent 框架

使用微調增強 LLM 以執行 RAG 任務的框架。

公開的 Java 後端 / AI Agent / 系統設計 / 演算法面試複習資料庫

使用開源大型語言模型 (LLMs) 擷取檔案以進行檢索增強生成 (RAG)，全程無需第三方參與，且敏感資料不會離開您的網路。

此 NVIDIA RAG 藍圖作為基礎檢索增強生成 (RAG) 管道的參考解決方案。

Healthy Diet AI Agent 是一個基於 Bun 與 TypeScript 的後端，提供營養對話、食物圖片分析、RAG 文件匯入以及基於知識庫的飲食指導。

Generative AI Examples 是一系列生成式 AI 範例（如 ChatQnA、Copilot），展示了企業 AI 開放平台 (OPEA) 專案的管道功能。

2025 年 AI 編程助手實戰專案（作者：程序員魚皮），基於 Spring Boot 3.5 + Java 21 + LangChain4j + AI 構建智能編程學習與求職輔導機器人，覆蓋 AI 大模型接入、LangChain4j 核心特性、串流對話、Prompt 工程、RAG 檢索增強、向量資料庫、Tool Calling 工具調用、MCP 模型上下文協定、網頁爬蟲、安全防護、Vue.js 前端開發、SSE 服務端推送等企業級 AI 應用開發技術。幫助開發者掌握 AI 時代必備技能，熟悉 LangChain 框架，提升編程學習效率和求職競爭力，成為企業需要的 AI 全端開發人才。

適用於 AI 編碼代理的本地程式碼智慧 MCP 伺服器與 CLI

AI 小说创作软件：把灵感、角色、世界观、大纲、章节写作、审稿和修稿组织成可控流程；提供 Windows/macOS 桌面版、Ollama 与 DSH 插件预览。

為你的 AI agent 提供持久且集體的記憶——具備去重複吸收、取代血統、語意搜尋以及圖形介面，支援 MCP。

面向 OA、ERP、CRM、工單等企業系統快速建構智慧體，讓 AI 在權限、審計與治理約束下安全呼叫真實業務能力。

一個逐步教學的教育專案，教你如何建構可用於生產環境的 RAG 應用程式。

本機與多個 PDF 進行對話

🔥 Rankify：用於檢索、重新排序與檢索增強生成（RAG）的全方位 Python 工具包 🔥。本工具包整合了 40 個預先檢索的基準資料集，並支援 7 種以上檢索技術、24 種以上最先進的 Reranking 模型以及多種 RAG 方法。

此儲存庫包含「VLM2Vec / MMEB」[ICLR 2025]、「VLM2Vec-V2 / MMEB-V2」[TMLR 2026] 以及「MMEB-V3」[COLM 2026] 的程式碼