#hnsw Repositorios
Descubre 16 repositorios activos de código abierto de GitHub etiquetados con #hnsw, que acumulan 218,329 estrellas en total (una media de 13,645 estrellas por proyecto). El líder de este tema es ruvnet/ruflo, con 82,196 estrellas.
16 repositorios en total
🌊 El arnés de agentes original. Despliega enjambres inteligentes multiagente, coordina flujos de trabajo autónomos y construye sistemas de IA conversacional. Incluye memoria adaptativa, inteligencia de autoaprendizaje, federación, integración con RAG vectorial y compatibilidad nativa con Claude Code / Codex / Hermes, entre muchos otros, todo integrado
Milvus es una base de datos de vectores de alto rendimiento y nativa de la nube construida para búsquedas ANN de vectores escalables.
Qdrant – Base de datos vectorial y motor de búsqueda vectorial de alto rendimiento y a gran escala para la próxima generación de IA. También disponible en la nube https://cloud.qdrant.io/
Weaviate es una base de datos de vectores de código abierto que almacena tanto objetos como vectores, permitiendo la combinación de búsqueda vectorial con filtrado estructurado con la tolerancia a fallos y escalabilidad de una base de datos nativa de la nube.
La base de datos nativa de IA construida para aplicaciones LLM, que proporciona una búsqueda híbrida increíblemente rápida de vectores densos, vectores dispersos, tensores (multivectoriales) y texto completo.
La base de datos de búsqueda nativa de IA. Ideal para el almacenamiento de agentes, unifica datos vectoriales, textuales, estructurados y semiestructurados en un solo motor. Esta base de datos todo en uno hace que los agentes sean más inteligentes, más fáciles de ejecutar y más estables.
MinHash, LSH, LSH Forest, Weighted MinHash, HyperLogLog, HyperLogLog++, LSH Ensemble y HNSW
🚀 Una biblioteca de colecciones de algoritmos eficientes para la búsqueda aproximada del vecino más cercano escrita en Rust 🦀 .
Una biblioteca de búsqueda de vecinos más cercanos aproximados para Python y Java con un enfoque en la facilidad de uso, la simplicidad y la desplegabilidad.
Endee.io – Una base de datos vectorial de alto rendimiento, diseñada para manejar hasta 1B de vectores en un solo nodo, ofreciendo ganancias significativas de rendimiento a través de indexación y ejecución optimizadas. También disponible en la nube https://endee.io/
Nornicdb es una base de datos distribuida de baja latencia, Graph+Vector y Temporal MVCC, con búsqueda HNSW, recorrido de grafos y escrituras en menos de un milisegundo. Al utilizar Neo4j Bolt/Cypher y gRPC de qdrant, puede realizar la transición sin cambios, mientras añade funciones inteligentes como esquemas, embeddings gestionados, reranking+LLM, aceleración por GPU, Auto-TLP, decaimiento de memoria basado en políticas y servidor MCP.
Extensión de la base de datos vectorial de PostgreSQL para crear aplicaciones de IA
Aprende búsqueda vectorial con Rust y DataFusion; la ruta de C++/BusTub está obsoleta.
Sistema de recomendación musical entre canciones, entrenado con 45 millones de canciones de Spotify y 1,8 millones de listas de reproducción. (Introduce un ID de canción de Spotify / ISRC y obtén canciones similares).
Preguntas frecuentes
¿Cuál es el repositorio de #hnsw más popular en GitHub?
El proyecto de código abierto de #hnsw mejor posicionado en GitHub es ruvnet/ruflo, con 82,196 estrellas. 🌊 El arnés de agentes original. Despliega enjambres inteligentes multiagente, coordina flujos de trabajo autónomos y construye sistemas de IA conversacional. Incluye memoria adaptativa, inteligencia de autoaprendizaje, federación, integración con RAG vectorial y compatibilidad nativa con Claude Code / Codex / Hermes, entre muchos otros, todo integrado
¿Qué lenguajes de programación se utilizan más en los repositorios de #hnsw?
Entre los proyectos de #hnsw mejor posicionados en GitHub, los lenguajes de programación más comunes son C++, Rust, Go, Python.
¿Cómo se calcula la clasificación de los repositorios de #hnsw?
Seguimos 16 repositorios activos de código abierto etiquetados con #hnsw (500+ estrellas), que suman un total de 218,329 estrellas, con una media de 13,645 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.