#vector-database Repositories
Entdecke 144 aktive Open-Source-GitHub-Repositories, die mit #vector-database getaggt sind und insgesamt 930,992 Sterne gesammelt haben (durchschnittlich 6,465 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist Mintplex-Labs/anything-llm mit 68,480 Sternen.
Insgesamt 144 Repositories
Hören Sie auf, Ihre Intelligenz zu mieten. Besitzen Sie sie mit AnythingLLM. Alles, was Sie für eine leistungsstarke lokale Agentenerfahrung brauchen
Eine blitzschnelle Suchmaschinen-API, die KI-gestützte Hybrid-Suche zu Ihren Websites und Anwendungen bringt.
Ein No-Code-RAG-Server, der Antworten mit Ihren Dokumenten synchron hält. Funktioniert mit 8 Vektordatenbanken. Entwickelt mit Pathway.
Milvus ist eine hochperformante, cloud-native Vektordatenbank, die für skalierbare Vektor-ANN-Suchen entwickelt wurde.
Selbstentwickelnde Kontextdatenbank für KI-Agenten. Vereinheitlichung von Agentengedächtnis, Wissens-RAG und Fähigkeiten.
Eine Bibliothek für effiziente Ähnlichkeitssuche und Clustering von dichten Vektoren.
📑 PageIndex: Dokumentenindex für RAG ohne Vektoren, basierend auf Beweisführung
Qdrant – Hochleistungsfähige Vektordatenbank und Vektorsuchmaschine in massivem Maßstab für die nächste Generation von KI. Auch in der Cloud verfügbar https://cloud.qdrant.io/
Cognee ist die Open-Source-KI-Gedächtnisplattform für Agenten. Geben Sie Ihren KI-Agenten mit kleinen Modellen kostenlos ein dauerhaftes Langzeitgedächtnis
Dieses Repository zeigt verschiedene fortgeschrittene Techniken für Retrieval-Augmented Generation (RAG)-Systeme. Jede Technik hat ein detailliertes Notebook-Tutorial.
Speicherschicht für KI-Agenten. Ersetzen Sie komplexe RAG-Pipelines durch eine serverlose, ein-Dateien-Speicherschicht. Verleihen Sie Ihren Agenten sofortigen Abruf und Langzeitgedächtnis.
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.
[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.
All-in-One-KI-Framework für semantische Suche, LLM-Orchestrierung und Sprachmodell-Workflows
LangChain4j ist eine idiomatische, open-source Java-Bibliothek zum Erstellen von LLM-gestützten Anwendungen auf der JVM. Sie bietet eine einheitliche API über beliebte LLM-Anbieter und Vektorspeicher und erleichtert die Implementierung von Tool-Aufrufen (einschließlich MCP-Unterstützung), Agents und RAG. Sie integriert sich nahtlos in Enterprise-Java-Frameworks wie Quarkus und Spring Boot.
Code-Suche MCP für Claude Code. Machen Sie die gesamte Codebasis zum Kontext für jeden Codierungsagenten.
Entwicklerfreundliche OSS-Embedded-Retrieval-Bibliothek für multimodale KI. Mehr suchen; weniger verwalten.
Eine komplette Suchmaschine und RAG-Pipeline in Ihrem Browser, Server oder Edge-Netzwerk mit Unterstützung für Volltext-, Vektor- und Hybridsuche in weniger als 2 KB.
OceanBase ist die vereinheitlichte verteilte Datenbank für das KI-Zeitalter – Open-Source, Multi-Modell, eine einzige Engine für Ihre anspruchsvollsten Workloads.
Ein Postgres für Ihre Anwendungsdaten, Volltextsuche, Vektorabruf und Aggregationen. Das Zuhause der pg_search-Erweiterung.
Data Agent Ready Warehouse: Eines für Analytics, Suche, KI, Python Sandbox. — von Grund auf neu gebaut. Einheitliche Architektur auf Ihrem S3.
Deeplake ist eine AI Data Runtime für Agents. Sie bietet serverlosen Postgres mit einem multimodalen Datalake, der skalierbare Retrieval- und Training-Funktionen ermöglicht.
Der MariaDB-Server ist ein von der Community entwickelter Fork des MySQL-Servers. MariaDB wurde von Kernmitgliedern des ursprünglichen MySQL-Teams ins Leben gerufen und arbeitet aktiv mit externen Entwicklern zusammen, um den funktionsreichsten, stabilsten und vernünftig lizenzierten Open-SQL-Server der Branche zu liefern.
Private & lokale KI-Anwendung für persönliches Wissensmanagement für Menschen mit hoher Entropie.
Open-Source Deep-Research-Alternative zu Reason und Search auf privaten Daten. Geschrieben in Python.
Open-Source-Framework zum Erstellen von Agenten-Apps in JavaScript, Go, Dart und Python, von Google entwickelt und in Produktion eingesetzt
HelixDB ist eine OLTP-Graphdatenbank mit nativer Vektor- und Volltextsuche, die in Rust auf Objektspeicher entwickelt wurde.
Ein Abfrage- und Indexierungs-Engine für Redis, die sekundäre Indizierung, Volltextsuche, Vektorsimilaritätssuche und Aggregationen bietet.
Apache Pinot: eine Echtzeit-Analysedatenbank für latenzarme SQL-Abfragen und Vektorsuche, die Anwendungen für Nutzer und Agenten unterstützt
Open-Source-, verteilte, einfache und schnelle, effiziente Text-/Vektor-Suchmaschine in Go
MineContext ist Ihr proaktiver kontextsensitiver KI-Partner (Context-Engineering+ChatGPT Pulse)
Die KI-native Datenbank für LLM-Anwendungen, die unglaublich schnelle Hybrid-Suche von dichten Vektoren, dünnen Vektoren, Tensoren (Multi-Vektor) und Volltext ermöglicht.
Lokaler persistenter Speicherspeicher für LLM-Anwendungen, darunter claude desktop, github copilot, codex, antigravity usw.
CrateDB ist eine verteilte und skalierbare SQL-Datenbank zur Speicherung und Analyse massiver Datenmengen in Echtzeit-Nähe, sogar mit komplexen Abfragen. Sie ist PostgreSQL-kompatibel und basiert auf Lucene.
Eine ruhige, CLI-native Möglichkeit, alles semantisch zu durchsuchen, wie Code, Bilder, PDFs und mehr.
Knowhere extrahiert, parst und gibt strukturierte Chunks aus, die für KI-Agenten und RAG bereit sind.
Enterprise-Grade (40 Mio.+ LOC) Codebase-Intelligenz, Zero-Setup, lokal & privat Plugin/Skill/Extension oder MCP: hybride semantische Suche, polyglotte Abhängigkeitsgraphen, symbolnahe Impact-Analyse & Call-Flow, interaktiver HTML-Viewer, cross-projekt- & branchbewusste Suche, DB/API/Infra-Wissen. 61% weniger Tokens, 84% weniger Aufrufe, 37x schneller. Cloud in Beta.
Jupyter Notebooks, um Ihnen bei der praktischen Arbeit mit Pinecone-Vektordatenbanken zu helfen
pingcap/autoflow ist ein Graph RAG-basiertes und konversationelles Wissensdatenbank-Tool, das mit TiDB Serverless Vector Storage erstellt wurde. Demo: https://tidb.ai
Neues praktisches KI-Entwicklungsprojekt von Programming Navigation: Aufbau einer KI-„Liebesguru“-Anwendung und des autonomen ReAct-Planungsagenten „YuManus“ auf Basis von Spring Boot 3, Java 21 und Spring AI. Der Kurs deckt Kernwissen ab, darunter KI-Modellintegration, Spring AI-Funktionen, Prompt Engineering, RAG, Vektordatenbanken, Tool Calling, das MCP-Protokoll, KI-Agenten-Entwicklung (Manas Java-Implementierung) und Cursor AI-Tools. Ein umfassendes Tutorial, um alle unverzichtbaren KI-Technologien zu beherrschen, Ihre Karrierechancen zu steigern und Ihren Lebenslauf im KI-Zeitalter wettbewerbsfähiger zu machen.
Umgang mit allen unstrukturierten Daten, wie z. B. umgekehrte Bildsuche, Audio-Suche, Molekularsuche, Videoanalyse, Frage-Antwort-Systeme, NLP usw.
Häufig gestellte Fragen
Welches ist das beliebteste #vector-database-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#vector-database-Projekt auf GitHub ist Mintplex-Labs/anything-llm mit 68,480 Sternen. Hören Sie auf, Ihre Intelligenz zu mieten. Besitzen Sie sie mit AnythingLLM. Alles, was Sie für eine leistungsstarke lokale Agentenerfahrung brauchen
Welche Programmiersprachen werden in #vector-database-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #vector-database-Projekten auf GitHub sind Python, Rust, TypeScript, C++ die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #vector-database-Repositories berechnet?
Wir verfolgen 144 aktive Open-Source-Repositories, die mit #vector-database getaggt sind (500+ Sterne), mit insgesamt 930,992 Sternen und durchschnittlich 6,465 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.