#vector-search Repositories
Insgesamt 109 Repositories
Ärgern Sie sich immer noch darüber, dass Sie nicht genügend VV-Emotionspakete haben und diese bei der Verwendung nicht passend finden? Probieren Sie dieses Projekt aus!
Wie kann man die Komplexität reduzieren und schneller werden? Einfach Postgres für alles.
Die universelle Tool-Suite für das Vektordatenbankmanagement. Verwalten Sie Pinecone, Chroma, Qdrant, Weaviate und weitere Vektordatenbanken mühelos.
Sprachnotizen aufzeichnen & transkribieren, zusammenfassen und Aufgaben erhalten
Eine vollständig Open-Source-Alternative zu NotebookLM, die von LlamaCloud unterstützt wird
Eine Vektor-Indexierungsbibliothek, um Ihrer Datenbank schnelle, aktuelle und gefilterte Suche zu ermöglichen
SeekStorm: Vektor- & lexikalische Suche - In-Process-Bibliothek & Multi-Tenancy-Server, in Rust.
Mathematik mit gemischter Genauigkeit sowie Kernel für lineare Algebra und Retrieval, über 4.000 Symbole von 4-Bit-Zahlen bis hin zu 128-Bit-Komplexzahlen, für x86, Arm, RISC-V, LoongArch, Power und WASM, einschließlich AMX und SME 📐
Havenask ist ein großskaliges verteiltes Informationssuchsystem, das im Alibaba-Konzern weit verbreitet ist.
Skalierbare, schnelle und speicherschonende Vektorsuche in Postgres, der Nachfolger von pgvecto.rs.
Vorlage für den Aufbau Ihrer eigenen benutzerdefinierten ChatGPT-ähnlichen Dokumentensuche mit Next.js, OpenAI und Supabase.
Sammlungen von Bibliotheken, Diensten und Forschungsarbeiten im Zusammenhang mit Vektorsuche
Das Toolkit für KI-Devtools-Kontext-Engineering. Aufbau mit Codebase-Mapping, Symbol-Extraktion und vielen Arten von Code-Suche.
Eine schnelle, multithreadfähige Alternative zu Redis® und Valkey, geschrieben in Rust: als direkter Ersatz kompatibel, mit integrierter Volltext- und Vektorsuche
ArcadeDB Multi-Model Database, ein DBMS, das SQL, Cypher, Gremlin, HTTP/JSON, MongoDB und Redis unterstützt. ArcadeDB ist ein konzeptioneller Fork von OrientDB, dem ersten Multi-Model-DBMS. ArcadeDB unterstützt Vektor-Embeddings.
Verteiltes Training und Inferenz für multimodale Wahrnehmung: gemeinsame Embeddings für Text, Bilder, Video, Audio, Code und Graphen mit 64 bis 1.024 Dimensionen 🖼️
SQLite-Vector ist eine plattformübergreifende, hocheffiziente SQLite-Erweiterung, die Vektorsuchfunktionen in Ihre eingebettete Datenbank bringt.
🥤 RAGLite ist ein Python-Toolkit für Retrieval-Augmented Generation (RAG) mit DuckDB oder PostgreSQL
Einbettbare Vektordatenbank für Go mit Chroma-ähnlicher Schnittstelle und null Drittanbieterabhängigkeiten. Im Speicher mit optionaler Persistenz.
RAFT enthält grundlegende und weit verbreitete Algorithmen und Primitiven für maschinelles Lernen und Informationsabruf. Die Algorithmen sind CUDA-beschleunigt und bilden Bausteine, um Hochleistungsanwendungen einfacher zu schreiben.
Rust-Bibliothek zur lokalen Generierung von Vektor-Embeddings und Reranking!
Ein @ClickHouse-Fork, der Hochleistungs-Vektorsuche und Volltextsuche unterstützt.
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.
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!
Nornicdb ist eine verteilte, latenzarme Graph+Vector- und Temporal-MVCC-Datenbank mit sub-ms HNSW-Suche, Graphtraversierung und Schreibvorgängen. Durch die Verwendung von Neo4j Bolt/Cypher und qdrants gRPC können Sie ohne Änderungen umsteigen und gleichzeitig intelligente Funktionen wie Schemas, verwaltete Embeddings, Reranking+LLM, GPU-Beschleunigung, Auto-TLP, richtlinienbasierten Speicherabbau und einen MCP-Server hinzufügen.
Ein Repository mit Codebeispielen für Vektorsuchfunktionen in Azure AI Search.
Gemeinsame Speicher-Schicht in einer einzigen Datei für all Ihre Agenten, RAG mit weniger als einer Millisekunde für Text, Fotos und Videos auf Apple Silicon. Kein Server. Keine API. Eine Datei. Reines Swift.
Lernen Sie die Vektorsuche mit Rust und DataFusion; der C++/BusTub-Track ist veraltet.
Eingebettete, im-Speicher, dokumentenorientierte Datenbank mit einer hochwertigen Query-Builder-Schnittstelle.
Open-Source-Infrastruktur, die verstreute SKILL.md-Dateien in kuratierte, abrufbereite Agentenkompetenz-Korpora umwandelt – einschließlich Tools für Abruf und Evaluierung.
TypeScript-Framework für KI-Agenten: kognitives Gedächtnis, dynamische Persönlichkeiten, emergentes Verhalten und selbstaufbauende Designs
Twitter-Daten-Scraping, einbettungsbasierte Bildersuche und mehr.
Machen Sie aus zustandslosen LLMs zustandsbehaftete KI-Agenten, deren Fähigkeiten sich stetig erweitern. Lokal priorisierter, persistenter Speicher, quantitative Entscheidungsfilter und ein Governance-Framework für Claude Code, Antigravity, Cursor und VS Code. Behalten Sie die Kontrolle über den Zustand. Mieten Sie die Intelligenz.
Eingebettete transaktionale Datenbank für Blobs, Dokumente und Graphen – mit Kernel-Bypass für NVMe über io_uring und SPDK, GPU-Komprimierung sowie einer einheitlichen C-ABI für die eigenen Engines, RocksDB und LevelDB 🗄️
Eine Python-Vektordatenbank, die Sie genau brauchen – nicht mehr und nicht weniger.