#vector-search Repositories
Entdecke 109 aktive Open-Source-GitHub-Repositories, die mit #vector-search getaggt sind und insgesamt 868,793 Sterne gesammelt haben (durchschnittlich 7,970 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist ruvnet/ruflo mit 82,196 Sternen.
Insgesamt 109 Repositories
🌊 Das originale Agenten-Framework. Stellen Sie intelligente Multi-Agenten-Schwärme bereit, koordinieren Sie autonome Workflows und entwickeln Sie dialogorientierte KI-Systeme. Mit adaptivem Gedächtnis, selbstlernender Intelligenz, Föderation, Vektor-RAG-Integration sowie nativer Unterstützung für Claude Code / Codex / Hermes und viele weitere integrierte Funktionen
Für Entwickler, die Echtzeit-Daten-gestützte Anwendungen erstellen, ist Redis der bevorzugte, schnellste und funktionsreichste Cache, Datenstrukturserver und Dokument- und Vektorabfrage-Engine.
Eine blitzschnelle Suchmaschinen-API, die KI-gestützte Hybrid-Suche zu Ihren Websites und Anwendungen bringt.
Milvus ist eine hochperformante, cloud-native Vektordatenbank, die für skalierbare Vektor-ANN-Suchen entwickelt wurde.
Open-Source-LLM-Wissensplattform: Verwandeln Sie Rohdokumente in eine abfragbare RAG, einen autonomen Reasoning-Agenten und eine selbstpflegende Wiki.
SeaweedFS ist ein verteiltes Speichersystem für Objektspeicher (S3), Dateisysteme, Iceberg-Tabellen-Buckets und Lance-Vektor-Buckets. Es wurde für die Verarbeitung von Milliarden Dateien mit O(1)-Festplattenzugriff und müheloser horizontaler Skalierung entwickelt.
Qdrant – Hochleistungsfähige Vektordatenbank und Vektorsuchmaschine in massivem Maßstab für die nächste Generation von KI. Auch in der Cloud verfügbar https://cloud.qdrant.io/
Open Source KI-Plattform – KI-Chat mit erweiterten Funktionen, der mit jeder LLM funktioniert
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.
Das KI-Tool Nr. 1 zum Erstellen von Lebensläufen, PDFs, Anschreiben und mehr, lokal mit Unterstützung für über 100 LLMs.
Open-Source-Alternative zu Algolia + Pinecone und eine einfachere Alternative zu ElasticSearch ⚡ 🔍 ✨ Schneller, fehlertoleranter, im-Speicher-Fuzzy-Suchmaschine zum Erstellen toller Sucherlebnisse
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.
Ein Vektorindex, aufgebaut auf TurboQuant, geschrieben in Rust mit Python-Bindings
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
Eine moderne Text-/numerische/Geo-räumliche/Vektor-Indizierungsbibliothek für Go
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.
MemoryBear: KI mit menschenähnlicher Speicherfähigkeit ausstatten
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.
Semantischer Cache für LLMs. Vollständig integriert mit LangChain und llama_index.
LLM Zoomcamp – ein kostenloser Online-Kurs über praxisnahe Anwendungen von LLMs. In 10 Wochen lernen Sie, wie Sie ein KI-System aufbauen, das Fragen zu Ihrer Wissensdatenbank beantwortet. Hier anmelden 👇🏼
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
Superduper: End-to-End-Framework zum Erstellen benutzerdefinierter KI-Anwendungen und -Agenten.
Eine verteilte Bibliothek für approximative Nearest-Neighbor-Suche (ANN), die hochwertige Toolkits für den Aufbau, die Suche und die verteilte Online-Bereitstellung von Vektorindizes für Szenarien mit großskaliger Vektorsuche bietet.
Die KI-native Datenbank für LLM-Anwendungen, die unglaublich schnelle Hybrid-Suche von dichten Vektoren, dünnen Vektoren, Tensoren (Multi-Vektor) und Volltext ermöglicht.
Ein bio-inspiriertes kognitives Gedächtnis-Engine — ein neues Paradigma für Graph RAG.
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 🔍
Local-first-Suche in deinem gesamten Arbeitsbereich, entwickelt für Menschen und KI-Agenten.
ColBERT: hochmoderne neuronale Suche (SIGIR'20, TACL'21, NeurIPS'21, NAACL'22, CIKM'22, ACL'23, EMNLP'23)
Verwenden und trainieren Sie mühelos hochmoderne späte Interaktionsabrufmethoden (ColBERT) in jeder RAG-Pipeline. Entwickelt für Modularität und einfache Bedienung, gestützt auf Forschung.
Open-Source-Inferenzserver und Produktionscluster für alle Modelle, die Ihr Agent benötigt.
OP Vault ChatGPT: Geben Sie ChatGPT ein Langzeitgedächtnis mit dem OP Stack (OpenAI + Pinecone Vektordatenbank). Laden Sie Ihre eigenen benutzerdefinierten Wissensbasisdateien (PDF, txt, epub usw.) über ein einfaches React-Frontend hoch.
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.
Schnelle, genaue, leichte Python-Bibliothek, um State-of-the-Art-Einbettungen zu erstellen
Postgres-Erweiterung für die Vektorsuche (DiskANN), ergänzt pgvector hinsichtlich Leistung und Skalierbarkeit. Postgres OSS lizenziert.
Open-Source-Tools für Prompt-Tests und -Experimente, mit Unterstützung für LLMs (z. B. OpenAI, LLaMA) und Vektordatenbanken (z. B. Chroma, Weaviate, LanceDB).
Jupyter Notebooks, um Ihnen bei der praktischen Arbeit mit Pinecone-Vektordatenbanken zu helfen
Ein neuer SOTA für RAG – eine originelle Retrieval-Architektur und eine Open-Source-Wissensdatenbank für Menschen und Agenten.
KI-gestützter plattformübergreifender E-Book-Reader mit semantischer Suche, RAG-Chat, lokalem Vektorspeicher, Notizen, TTS und WebDAV-Synchronisation.
All-in-one-Plattform für Suche, Empfehlungen, RAG und Analysen, angeboten über API
🚀 Eine effiziente Sammlung von Algorithmen für die Suche nach ungefähr nächstliegenden Nachbarn, geschrieben in Rust 🦀 .
Häufig gestellte Fragen
Welches ist das beliebteste #vector-search-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#vector-search-Projekt auf GitHub ist ruvnet/ruflo mit 82,196 Sternen. 🌊 Das originale Agenten-Framework. Stellen Sie intelligente Multi-Agenten-Schwärme bereit, koordinieren Sie autonome Workflows und entwickeln Sie dialogorientierte KI-Systeme. Mit adaptivem Gedächtnis, selbstlernender Intelligenz, Föderation, Vektor-RAG-Integration sowie nativer Unterstützung für Claude Code / Codex / Hermes und viele weitere integrierte Funktionen
Welche Programmiersprachen werden in #vector-search-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #vector-search-Projekten auf GitHub sind Python, Rust, TypeScript, Go die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #vector-search-Repositories berechnet?
Wir verfolgen 109 aktive Open-Source-Repositories, die mit #vector-search getaggt sind (500+ Sterne), mit insgesamt 868,793 Sternen und durchschnittlich 7,970 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.