#hybrid-search Repositorios
Descubre 22 repositorios activos de código abierto de GitHub etiquetados con #hybrid-search, que acumulan 175,935 estrellas en total (una media de 7,997 estrellas por proyecto). El líder de este tema es meilisearch/meilisearch, con 59,951 estrellas.
22 repositorios en total
Una API de motor de búsqueda ultrarrápida que trae búsqueda híbrida impulsada por IA a tus sitios y aplicaciones.
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/
Motor de búsqueda de IA y servidor MCP para bots y agentes. Un único binario de Rust indexa código, documentos, registros, archivos JSONL/CSV y PDF para búsquedas de texto completo BM25, vectoriales e híbridas, búsqueda de código sin grep, memoria de agentes y RAG. API compatible con Elasticsearch; Corpus Hub ofrece cientos de corpus de referencia para memoria.
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.
Un Postgres para los datos de su aplicación, búsqueda de texto completo, recuperación vectorial y agregaciones. El hogar de la extensión pg_search.
Tu agente bibliotecario personal. Pregúntale cualquier cosa sobre tu ordenador, organiza archivos y recuerda información y archivos importantes.
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 capa de contexto de código abierto para agentes de IA y búsquedas empresariales con IA. Búsqueda adaptada a los permisos y respuestas con citas en más de 30 fuentes, como Slack, Drive, Jira, GitHub y Microsoft 365, para personas y agentes mediante MCP, SDK y agentes integrados. Autoalojado o en la nube.
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.
Una capa de memoria unificada y persistente para todos tus agentes de IA (p. ej., Claude Code, Codex, DSH), respaldada por Markdown y Milvus.
SeekStorm: búsqueda vectorial y léxica - biblioteca en proceso y servidor multi-inquilino, en Rust.
Una base de datos vectorial multimodal que admite inserciones y consultas vectoriales utilizando SQL unificado (compatible con MySQL) sobre datos estructurados y no estructurados, al tiempo que cumple los requisitos de alta concurrencia y latencia ultrabaja.
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/
Reordenación ligera y ultrarrápida para sus canalizaciones de búsqueda y recuperación. Admite reordenación Listwise y Pairwise SoTA basada en LLM y codificadores cruzados y más. Creado por Prithivi Da, abierto a PR y colaboraciones.
Referencia transparente de RAG en Python con recuperación híbrida FAISS + BM25, reranking, interfaz Gradio y FastAPI.
La capa de recuperación para sistemas de IA en producción. Búsqueda ultrarrápida (<10 ms) sin bases de datos vectoriales. Diseñada para navegador, edge, dispositivo y nube.
Base de datos embebible, en memoria, orientada a documentos con una interfaz de constructor de consultas de alto nivel.
CLI de inteligencia de código impulsado por Rust para agentes de codificación de IA. Construye gráficos de llamadas e índices de búsqueda semántica híbrida (Denso + Disperso + RRF + Reordenador) en 7 idiomas. Se distribuye como herramientas MCP nativas para Claude Code y Codex CLI.
Base de conocimiento RAG empresarial con prioridad para el chino: análisis controlable, gobernanza, segmentación, recuperación híbrida, reranking, citas, grafos de conocimiento, evaluación e integración con Dify.
VectorRAG.Net es una biblioteca de base de datos vectorial de alto rendimiento nativa de .NET para búsqueda semántica y RAG (Generación Aumentada por Recuperación). La búsqueda principal se basa en la generación de candidatos mediante LSH de hiperplano aleatorio con reordenamiento exacto por producto punto/coseno.
Preguntas frecuentes
¿Cuál es el repositorio de #hybrid-search más popular en GitHub?
El proyecto de código abierto de #hybrid-search mejor posicionado en GitHub es meilisearch/meilisearch, con 59,951 estrellas. Una API de motor de búsqueda ultrarrápida que trae búsqueda híbrida impulsada por IA a tus sitios y aplicaciones.
¿Qué lenguajes de programación se utilizan más en los repositorios de #hybrid-search?
Entre los proyectos de #hybrid-search mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Rust, C++, Go.
¿Cómo se calcula la clasificación de los repositorios de #hybrid-search?
Seguimos 22 repositorios activos de código abierto etiquetados con #hybrid-search (500+ estrellas), que suman un total de 175,935 estrellas, con una media de 7,997 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.