#hybrid-search Repositories
Entdecke 22 aktive Open-Source-GitHub-Repositories, die mit #hybrid-search getaggt sind und insgesamt 175,935 Sterne gesammelt haben (durchschnittlich 7,997 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist meilisearch/meilisearch mit 59,951 Sternen.
Insgesamt 22 Repositories
Eine blitzschnelle Suchmaschinen-API, die KI-gestützte Hybrid-Suche zu Ihren Websites und Anwendungen bringt.
Qdrant – Hochleistungsfähige Vektordatenbank und Vektorsuchmaschine in massivem Maßstab für die nächste Generation von KI. Auch in der Cloud verfügbar https://cloud.qdrant.io/
KI-Suchmaschine und MCP-Server für Bots und Agenten. Eine einzelne Rust-Binärdatei indexiert Code, Dokumente, Protokolle, JSONL-/CSV-Dateien und PDFs für BM25-Volltext-, Vektor- und hybride Suche, Codesuche ohne grep, Agentengedächtnis und RAG. Elasticsearch-kompatible API; Corpus Hub stellt Hunderte Referenz-Gedächtniskorpora bereit.
Weaviate ist eine Open-Source-Vektordatenbank, die sowohl Objekte als auch Vektoren speichert und die Kombination von Vektorsuche mit strukturiertem Filtern mit der Fehlertoleranz und Skalierbarkeit einer cloud-nativen Datenbank ermöglicht.
Ein Postgres für Ihre Anwendungsdaten, Volltextsuche, Vektorabruf und Aggregationen. Das Zuhause der pg_search-Erweiterung.
Ihr persönlicher Bibliotheksagent. Fragen Sie ihn alles auf Ihrem Computer, organisieren Sie Dateien und lassen Sie sich wichtige Informationen und Dateien merken.
Die KI-native Datenbank für LLM-Anwendungen, die unglaublich schnelle Hybrid-Suche von dichten Vektoren, dünnen Vektoren, Tensoren (Multi-Vektor) und Volltext ermöglicht.
Die Open-Source-Kontextschicht für KI-Agenten und KI-Suche in Unternehmen. Berechtigungsbewusste Suche und Antworten mit Quellenangaben über mehr als 30 Quellen hinweg, darunter Slack, Drive, Jira, GitHub und Microsoft 365 – für Menschen und Agenten über MCP, SDKs und integrierte Agenten. Selbst gehostet oder in der Cloud.
Die KI-native Suchdatenbank. Am besten für die Agentenspeicherung geeignet, vereint sie Vektor-, Text-, strukturierte und halbstrukturierte Daten in einer einzigen Engine. Diese All-in-One-Datenbank macht Agenten intelligenter, einfacher zu betreiben und stabiler.
Eine persistente, einheitliche Speicherschicht für all Ihre KI-Agenten (z. B. Claude Code, Codex, DSH), basierend auf Markdown und Milvus.
SeekStorm: Vektor- & lexikalische Suche - In-Process-Bibliothek & Multi-Tenancy-Server, in Rust.
Eine multimodale Vektordatenbank, die Upserts und Vektorabfragen mit vereinheitlichtem SQL (MySQL-kompatibel) auf strukturierten und unstrukturierten Daten unterstützt und gleichzeitig die Anforderungen an hohe Nebenläufigkeit und extrem niedrige Latenz erfüllt.
Endee.io – Eine High-Performance-Vektordatenbank, entwickelt für bis zu 1 Mrd. Vektoren auf einem einzelnen Knoten, mit signifikanten Leistungssteigerungen durch optimierte Indizierung und Ausführung. Auch als Cloud-Version verfügbar https://endee.io/
Leichtes & superschnelles Re-Ranking für Ihre Such- & Retrieval-Pipelines. Unterstützt SoTA Listwise und Pairwise Re-Ranking basierend auf LLMs und Cross-Encodern und mehr. Erstellt von Prithivi Da, offen für PRs & Kollaborationen.
Transparente Python RAG-Referenz mit hybrider FAISS + BM25-Suche, Reranking, Gradio-UI und FastAPI.
Die Abrufschicht für KI-Systeme in der Produktion. Blitzschnelle Suche (<10 ms) ohne Vektordatenbanken. Entwickelt für Browser, Edge, Geräte und Cloud.
Eingebettete, im-Speicher, dokumentenorientierte Datenbank mit einer hochwertigen Query-Builder-Schnittstelle.
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.
Chinesisch priorisierte RAG-Wissensdatenbank für Unternehmen: kontrollierbare Analyse, Governance, Chunking, hybride Suche, Reranking, Zitate, Wissensgraphen, Evaluation und Dify-Integration.
VectorRAG.Net ist eine .NET-native Hochleistungs-Vektordatenbank-Bibliothek für semantische Suche und RAG (Retrieval-Augmented Generation). Die Kernsuche basiert auf der Generierung von Kandidaten mittels Random Hyperplane LSH mit exakter Neubewertung durch Punktprodukt/Kosinus.
Häufig gestellte Fragen
Welches ist das beliebteste #hybrid-search-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#hybrid-search-Projekt auf GitHub ist meilisearch/meilisearch mit 59,951 Sternen. Eine blitzschnelle Suchmaschinen-API, die KI-gestützte Hybrid-Suche zu Ihren Websites und Anwendungen bringt.
Welche Programmiersprachen werden in #hybrid-search-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #hybrid-search-Projekten auf GitHub sind Python, Rust, C++, Go die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #hybrid-search-Repositories berechnet?
Wir verfolgen 22 aktive Open-Source-Repositories, die mit #hybrid-search getaggt sind (500+ Sterne), mit insgesamt 175,935 Sternen und durchschnittlich 7,997 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.