#faiss Repositories
Entdecke 29 aktive Open-Source-GitHub-Repositories, die mit #faiss getaggt sind und insgesamt 185,123 Sterne gesammelt haben (durchschnittlich 6,383 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist milvus-io/milvus mit 46,712 Sternen.
Insgesamt 29 Repositories
Milvus ist eine hochperformante, cloud-native Vektordatenbank, die für skalierbare Vektor-ANN-Suchen entwickelt wurde.
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
Ein Vektorindex, aufgebaut auf TurboQuant, geschrieben in Rust mit Python-Bindings
Speicherschicht für KI-Agenten. Ersetzen Sie komplexe RAG-Pipelines durch eine serverlose, ein-Dateien-Speicherschicht. Verleihen Sie Ihren Agenten sofortigen Abruf und Langzeitgedächtnis.
[MLsys2026 Bestes Paper]: https://arxiv.org/abs/2506.08276. RAG auf allem mit LEANN. Profitieren Sie von 97 % Speicherplatzersparnis, während Sie eine schnelle, präzise und 100 % private RAG-Anwendung auf Ihrem persönlichen Gerät ausführen.
Ein Proximity-Graph für Vektorsuche, Sparse-Produkte und Attention über RAM, VRAM und NVMe hinweg, für dichte Vektoren, Sequenzen, Formen und Geodatenmengen in 14 Sprachen 🔍
AdalFlow: Die Bibliothek zum Erstellen & automatischen Optimieren von LLM-Anwendungen.
Dieses Repository enthält verschiedene fortschrittliche Techniken für Retrieval-Augmented Generation (RAG)-Systeme.
Skalierbare, latenzarme und Hybrid-fähige Vektorsuche in Postgres. Revolutionieren Sie die Vektorsuche, nicht die Datenbank.
Semantische Suche. Durchsuchen Sie lokale Fotos und Videos mithilfe natürlicher Sprache. KI-semantische Suche nach lokalen Inhalten. Bildersuche, Lokale Inhalte finden, Szenen anhand von Textbeschreibungen abgleichen, Videosuchfunktion für Frames, Suche nach Videos anhand von Szenenbeschreibungen.
CORTEX RAG ist ein unternehmensweiter Retrieval- und Wissensassistent, der Teams hilft, genaue Antworten aus Unternehmensdaten mit Quellenangaben, berechtigungsbewusstem Retrieval und schneller Bereitstellung zu finden.
95 % Token‑Einsparungen. 155‑fach schnellere Abfragen. 16 Sprachen. LLMs können Ihre gesamte Codebasis nicht lesen. TLDR extrahiert die Struktur, verfolgt Abhängigkeiten und liefert ihnen genau das, was sie brauchen.
Skalierbare Ähnlichkeitsbildsuche basierend auf Merkmalspunktübereinstimmung
Transparente Python RAG-Referenz mit hybrider FAISS + BM25-Suche, Reranking, Gradio-UI und FastAPI.
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.
Ähnlichkeiten: Ein Toolkit zur Ähnlichkeitsberechnung und semantischen Suche. Ähnlichkeitsberechnungs-, Matching-Such-Toolkit, unterstützt Milliarden von Daten für Text-zu-Text-, Text-zu-Bild-, Bild-zu-Bild-Suche, entwickelt mit Python 3, sofort einsatzbereit.
Erstellen Sie automatisch Faiss knn-Indizes mit den optimalsten Parametern für die Ähnlichkeitssuche.
RAG-basiertes Werkzeug zur Indizierung und Suche von PDF-Textdaten unter Verwendung der OpenAI API und eines FAISS (Facebook AI Similarity Search) Index, ausgelegt für schnelle Informationsbeschaffung und überlegene Suchgenauigkeit.
Textdatensätze einfach einbetten, clustern und semantisch beschriften
Ein flexibles, adaptives Klassifizierungssystem für die dynamische Textklassifizierung
Häufig gestellte Fragen
Welches ist das beliebteste #faiss-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#faiss-Projekt auf GitHub ist milvus-io/milvus mit 46,712 Sternen. Milvus ist eine hochperformante, cloud-native Vektordatenbank, die für skalierbare Vektor-ANN-Suchen entwickelt wurde.
Welche Programmiersprachen werden in #faiss-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #faiss-Projekten auf GitHub sind Python, Rust, C++, Jupyter Notebook die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #faiss-Repositories berechnet?
Wir verfolgen 29 aktive Open-Source-Repositories, die mit #faiss getaggt sind (500+ Sterne), mit insgesamt 185,123 Sternen und durchschnittlich 6,383 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.