#retrieval-augmented-generation Repositories
Insgesamt 254 Repositories
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.
Offizieller Code für Paper: RecurrentGPT: Interaktive Generierung von (beliebig) langen Texten
Ein umfassender Leitfaden, der Ihnen hilft, Ihre LLM-Fähigkeiten 2026 zu starten und zu verbessern, auch wenn Sie wenig Erfahrung auf dem Gebiet haben, und die neuesten Nachrichten sowie modernste Techniken zu verfolgen!
Transparente Python RAG-Referenz mit hybrider FAISS + BM25-Suche, Reranking, Gradio-UI und FastAPI.
RAG-Fusion: Multi-Query-Generierung + Reciprocal Rank Fusion für bessere retrieval-augmentierte Generierung. Enthält Evaluations-Harness mit NFCorpus/BEIR.
Dieses Repository teilt End-to-End-Notebooks, wie verschiedene Weaviate-Funktionen und Integrationen genutzt werden können!
Erstellen Sie eine RAG (Retrieval Augmented Generation) Pipeline von Grund auf und lassen Sie sie komplett lokal laufen.
Befähigen Sie große Sprachmodelle (LLM) mithilfe von wissensgraphenbasierter Retrieval-Augmented Generation (KG-RAG) für wissensintensive Aufgaben
Ein verbesserter Langchain RAG-Tutorial (v2) mit lokalen LLMs, Datenbankaktualisierungen und Tests.
KI ermöglicht es, komplexe OpenAPIs mit einfacher Sprache zu durchforsten
⚕️GenAI-gestützter Multi-Agenten-Chatbot für medizinische Diagnostik und die Unterstützung von Gesundheitsforschern. 🏥 Entwickelt für medizinisches Fachpersonal, Forscher und Patienten.
Xiao Lis Lernpfad für die Entwicklung von LLM-Anwendungen, der RAG, Agenten, Interview-Grundlagen und schnelles Lesen von Fachartikeln abdeckt.
Ein allgemeines Gedächtnissystem für Agenten, basierend auf tiefgehender Forschung
Erstellen Sie Ihren eigenen serverlosen KI-Chat mit Retrieval-Augmented-Generation unter Verwendung von LangChain.js, TypeScript und Azure
Eine LLM-gestützte erweiterte RAG-Pipeline, von Grund auf neu erstellt
Ein Graph-RAG-System für evidenzbasierte medizinische Informationssuche [ACL 2025]
Dieser NVIDIA RAG-Entwurf dient als Referenzlösung für eine grundlegende Retrieval Augmented Generation (RAG)-Pipeline.
Schnelle, gestreamte Indizierung, Abfragen und agentenbasierte LLM-Anwendungen in Rust
Ein KI-gestützter Lesemanager mit Drei-Spalten-Design, der Notizen, Lesen und Konversation auf demselben Bildschirm gleichzeitig ermöglicht und so das tiefe Lesen effizienter macht.
Context Portal (ConPort): Ein MCP-Server (Memory Bank) zum Erstellen eines projektspezifischen Wissensgraphen, um KI-Assistenten zu verbessern. Ermöglicht leistungsstarkes Retrieval Augmented Generation (RAG) für kontextbezogene Entwicklung in Ihrer IDE.
Dateien für die Retrieval Augmented Generation (RAG) mit Open-Source Large Language Models (LLMs) ingestieren, alles ohne dass Drittanbieter oder sensible Daten Ihr Netzwerk verlassen.
Dieses Repository dient als umfassender Leitfaden für Hackathons und bietet wertvolle Einblicke und Ressourcen sowohl für Anfänger als auch für erfahrene Teilnehmer. Es behandelt die wesentlichen Aspekte, wie z. B. wie man bevorstehende Hackathons findet, Tipps zur Auswahl der richtigen Veranstaltung und detaillierte Vorbereitungsstrategien.
Allgemeines Rag-Framework zur Anwendung der Leistungsfähigkeit von LLMs auf beliebige Datensätze
Lokale Ollama- und OpenAI-ähnliche GPT-Unterstützung für maximale Privatsphäre und Offline-Zugriff
[NeurIPS 2024 Spotlight] Buffer of Thoughts: Thought-Augmented Reasoning with Large Language Models
MCP-Server für langfristigen Agentenspeicher mit Mem0. Nützlich auch als Vorlage, um mit dem Erstellen Ihres eigenen MCP-Servers mit Python zu beginnen!
RAGLight ist ein modulares Framework für Retrieval-Augmented Generation (RAG). Es ermöglicht das einfache Einbinden verschiedener LLMs, Embeddings und Vektor-Speicher und beinhaltet nun eine nahtlose MCP-Integration, um externe Tools und Datenquellen zu verbinden.