#embedding Repositories
Entdecke 27 aktive Open-Source-GitHub-Repositories, die mit #embedding getaggt sind und insgesamt 186,844 Sterne gesammelt haben (durchschnittlich 6,920 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist chatchat-space/Langchain-Chatchat mit 38,712 Sternen.
Insgesamt 27 Repositories
Langchain-Chatchat (ehemals Langchain-ChatGLM), lokale wissensbasierte LLM (wie ChatGLM, Qwen und Llama) RAG und Agenten-App mit Langchain | Langchain-Chatchat (ehemals langchain-ChatGLM), lokale wissensbasierte LLM (wie ChatGLM, Qwen und Llama) RAG und Agenten-App mit Langchain
TencentDB Agent Memory ist ein teamweiter Speicher-Hub für KI-Agenten, der Gespräche, Dokumente und Code in vier wiederverwendbare Speicherressourcen (Chat Memory, Skill, LLM-Wiki, Code-Graph) umwandelt, die über Agenten und Frameworks hinweg verwaltet, geteilt und ausgestattet werden.
Ein Vektorindex, aufgebaut auf TurboQuant, geschrieben in Rust mit Python-Bindings
Verwenden Sie PEFT oder ein Training mit vollständigen Parametern für CPT/SFT/DPO/GRPO auf über 600 LLMs (Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) und über 300 MLLMs (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4, ...) (AAAI 2025).
🔍Praktische Entwicklung von Großmodell-Anwendungen Teil 1: Umfassender Leitfaden für die RAG-Technologie, Online-Leseadresse: https://datawhalechina.github.io/all-in-rag/
Benutzerfreundliche und leistungsstarke LLM- und SLM-Bibliothek mit einer beeindruckenden Modellbibliothek.
Code-Suche MCP für Claude Code. Machen Sie die gesamte Codebasis zum Kontext für jeden Codierungsagenten.
Embedding Atlas ist ein Tool, das interaktive Visualisierungen für große Embeddings bietet. Es ermöglicht Ihnen, Embeddings und Metadaten zu visualisieren, kreuzzufiltern und zu durchsuchen.
Die KI-native Datenbank für LLM-Anwendungen, die unglaublich schnelle Hybrid-Suche von dichten Vektoren, dünnen Vektoren, Tensoren (Multi-Vektor) und Volltext ermöglicht.
Eine Community-gesteuerte Methode, um mit KI-Bots zu lesen und zu chatten – angetrieben von chatGPT.
🔍 Exportieren und unscharf suchen in Ihrer Telegram-Chat-Historie | Export and fuzzy search your Telegram chat history
Daten-Framework für Ihre LLM-Anwendungen. Konzentriert sich auf serverseitige Lösungen.
All-in-one-Plattform für Suche, Empfehlungen, RAG und Analysen, angeboten über API
Eine kuratierte Liste von Forschungspapieren zur Community-Erkennung mit Implementierungen.
Führen Sie KI-Modelle lokal auf Ihrem Computer mit Node.js-Bindings für llama.cpp aus. Erzwingen Sie ein JSON-Schema für die Modellausgabe auf der Generierungsebene.
Ein @ClickHouse-Fork, der Hochleistungs-Vektorsuche und Volltextsuche unterstützt.
ChatWeb kann Webseiten durchsuchen, PDFs, DOCX, TXT lesen und den Hauptinhalt extrahieren, um dann Ihre Fragen basierend auf dem Inhalt zu beantworten oder die wichtigsten Punkte zusammenzufassen.
Rust-betriebene Code-Intelligenz-CLI für KI-Codierungsagenten. Erstellt Aufrufgraphen und hybride semantische Suchindizes (Dense + Sparse + RRF + Reranker) in 7 Sprachen. Wird als native MCP-Tools für Claude Code und Codex CLI ausgeliefert.
Dieses Repository enthält den Code für "VLM2Vec / MMEB" [ICLR 2025], "VLM2Vec-V2 / MMEB-V2" [TMLR 2026] und "MMEB-V3" [COLM 2026]
ACG2vec (Anime Comics Games to vector) setzt sich dafür ein, eine Spielwiese zu schaffen, die ACG und Deep Learning kombiniert. (Semantische Textsuche, bildbasierte Suche, semantische Bildsuche, Super-Resolution für Bilder, Empfehlungssysteme)
Häufig gestellte Fragen
Welches ist das beliebteste #embedding-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#embedding-Projekt auf GitHub ist chatchat-space/Langchain-Chatchat mit 38,712 Sternen. Langchain-Chatchat (ehemals Langchain-ChatGLM), lokale wissensbasierte LLM (wie ChatGLM, Qwen und Llama) RAG und Agenten-App mit Langchain | Langchain-Chatchat (ehemals langchain-ChatGLM), lokale wissensbasierte LLM (wie ChatGLM, Qwen und Llama) RAG und Agenten-App mit Langchain
Welche Programmiersprachen werden in #embedding-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #embedding-Projekten auf GitHub sind Python, TypeScript, Rust, C++ die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #embedding-Repositories berechnet?
Wir verfolgen 27 aktive Open-Source-Repositories, die mit #embedding getaggt sind (500+ Sterne), mit insgesamt 186,844 Sternen und durchschnittlich 6,920 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.