#knowledge-graph Repositorios
210 repositorios en total
Convierte cualquier base de código en un grafo de conocimiento basado en métodos formales. Tus agentes de IA obtendrán respuestas precisas para cualquier tarea relacionada con el código, garantizarán la corrección y optimizarán el uso del tiempo y los tokens.
Dale a tus agentes de IA una memoria persistente y colectiva — con absorción deduplicada, linaje de supersesión, búsqueda semántica y una interfaz gráfica. Habla MCP.
El Wiki LLM local-first: constructor de grafos de conocimiento de código abierto, base de conocimiento RAG y almacenamiento de memoria para agentes. Construido sobre el patrón de Andrej Karpathy. Una alternativa a Obsidian para la gestión de conocimiento personal, un segundo cerebro de IA y memoria duradera para Claude Code / Codex / OpenClaw.
Grafo de conocimiento de proyectos persistente para agentes de programación. Servidor MCP con búsqueda semántica, embeddings en el proceso y explorador web.
Exploración de arquitecturas de AGI de caja blanca: metacognición (bucle de autoconciencia), aprendizaje continuo (volante de conocimiento), modelo del mundo (espacio condicional + grafo semántico espaciotemporal), automejora (disciplina de arranque), canalización de caja blanca sin LLM y salvaguardas de confianza auditables.
PromptKG Family: una galería de trabajos de investigación, kits de herramientas y listas de artículos relacionados con Prompt Learning y KG.
Memoria persistente supervisada por un LLM para agentes de IA: recuperación basada en grafos, conocimiento entre sesiones y un único binario. Funciona con DeepSeek Harness, Claude Code, OpenClaw y cualquier entorno de ejecución de agentes.
En este proyecto, exploré cómo extraer grafos de conocimiento a partir de texto utilizando LLMs, como OpenAI GPT4o.
Generación configurable de esquemas sintéticos y grafos de conocimiento al alcance de su mano
Graph Data Science: una capa de abstracción en Python para construir grafos de conocimiento, integrada con bibliotecas de grafos populares: sobre Pandas, NetworkX, RAPIDS, RDFlib, pySHACL, PyVis, morph-kgc, pslpython, pyarrow, etc.
Usar GPT para organizar y acceder a información, y generar preguntas. El objetivo a largo plazo es crear un asistente de investigación similar a un agente.
Deepseek Harness, un complemento de memoria basado en grafos de conocimiento para OpenClaw. Invitado a presentarse en un simposio de la Universidad de Tsinghua en abril de 2026. Grafo de conocimiento + memoria; motor de contexto de grafos de conocimiento para OpenClaw: extrae triples estructuradas de las conversaciones, comprime el contexto en un 75 % y permite reutilizar la experiencia entre sesiones.
La plataforma de aplicaciones Knowledge Graph de bajo código. Licencia Apache.
Lista de artículos sobre incrustación hiperbólica, modelos hiperbólicos, aplicaciones hiperbólicas
🔗 Semantic MediaWiki convierte MediaWiki en una plataforma de gestión del conocimiento con capacidades de consulta y exportación
Destila tus conocimientos, recuerdos y decisiones en un gemelo de agente de IA de código abierto e inspeccionable.
Generación y revisión de especificaciones impulsadas por IA utilizando inteligencia de gráfico de código multi-repositorio para equipos de backend que publican en producción.
🍇 GRAPE es una biblioteca de aprendizaje de representación de grafos Rust/Python para Predicciones y Evaluaciones
Haz preguntas sobre tus notas Markdown con un motor Graph RAG completamente local. Diseñado para bóvedas de Obsidian, funciona con cualquier carpeta de archivos Markdown. Extrae tripletas de entidad-relación de los wikienlaces y el frontmatter YAML, y recupera respuestas mediante búsqueda híbrida (vectores + BM25 + temporal). Multilingüe. Sin nube. Funciona con Ollama.
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.
Un sistema de memoria nativo en grafos para agentes de IA y grafos de contexto. Almacene conversaciones, construya grafos de conocimiento y permita que sus agentes aprendan de su propio razonamiento, todo respaldado por Neo4j.
Este es el repositorio oficial de GitHub de Think-on-Graph (ICLR 2024). Si está interesado en nuestro trabajo o desea unirse a nuestro equipo de investigación en Shenzhen, no dude en contactarnos por correo electrónico ([email protected])
Grafo de código y memoria para tus agentes de programación, en un solo programa Rust. Para Claude Code, Codex, Cursor y cualquier cliente MCP.
Clinical Knowledge Graph (CKG) es una plataforma con un doble objetivo: 1) construir una base de datos de grafos con datos experimentales y datos importados de diversas bases de datos biomédicas 2) automatizar el descubrimiento de conocimiento haciendo uso de toda la información contenida en el grafo
CTX Fit encuentra la configuración de programación con IA más barata que funciona de forma fiable en tu repositorio y luego aplica la opción ganadora como un cambio revisable.
Ejemplos de grafos de conocimiento de Excel a Neo4j: py2neo v3 heredado y el moderno Neo4j GraphRAG/búsqueda vectorial.
Orquestación de flujos de trabajo impulsada por intenciones para el desarrollo de IA multiagente: motor de ciclo de vida adaptativo, grafo de conocimiento autorreforzante y panel visual para Claude Code, Gemini, Codex y más
Caura (anteriormente MemClaw): memoria compartida gobernada para flotas de agentes de IA. Multiagente, multinquilino y nativa de MCP. Niveles de confianza, políticas fundamentales, registros de auditoría, grafo de conocimiento y recuperación con mejora continua. Apache 2.0.
código y documentación para el artículo de EMNLP "DeepPath: Un método de aprendizaje por refuerzo para el razonamiento sobre grafos de conocimiento"
BrainAPI es una capa de memoria de IA impulsada por un grafo de conocimiento que transforma datos no estructurados en conocimiento estructurado, lo que permite búsquedas inteligentes, recomendaciones y memoria contextual para agentes y aplicaciones de IA.
Visión general (subjetiva) de proyectos relacionados tanto con Python como con tecnologías semánticas (RDF, OWL, Razonamiento, ...)
CRSLab es un kit de herramientas de código abierto para construir Sistemas de Recomendación Conversacional (CRS).
GraphRAG-rs es una implementación de alto rendimiento y última generación en Rust de GraphRAG (Generación Aumentada por Recuperación Basada en Grafos) que construye grafos de conocimiento a partir de documentos y permite consultas en lenguaje natural con extracción de entidades configurable e integración local de LLM
Estación de trabajo creativa de IA de pila completa y con prioridad local: cinco módulos —chat con IA, cómics con IA, creación de dramas en formato cómic, espacio de escritura y aprendizaje de conocimientos—; inferencia local con varios motores (vLLM / llama.cpp / Transformers), asignación inteligente de VRAM, aislamiento por compartimentos y autorrecuperación. Solo para fines educativos; se agradecen los comentarios y el intercambio de ideas. (Debido a restricciones del protocolo, por ahora no es posible enviar al repositorio los últimos avances, excepto el sistema de complementos.)
Una extensión de SQLite que añade capacidades de base de datos de grafos, compatibilidad con el lenguaje de consultas Cypher y algoritmos de grafos integrados.
Sistema RAG híbrido que combina búsqueda vectorial, un grafo de conocimiento (LightRAG) y reordenamiento mediante un cross-encoder, con análisis de documentos mediante Docling, inteligencia visual (generación de subtítulos para imágenes y tablas), chat agéntico en streaming y citas integradas. Impulsado por modelos Gemini u Ollama locales.
🧠 Sistema de examen personalizado impulsado por IA: integración de LLM OpenPangu, RAG de grafos de conocimiento y algoritmo BKT para la generación y recomendación adaptativa de preguntas. Sistema inteligente de creación de preguntas basado en LLM y grafos de conocimiento.
Memoria de agente de IA con prioridad local, grafo de conocimiento, restricciones ontológicas y razonamiento trazable: todo en un único archivo SQLite.
Inteligencia estructural del código para agentes de IA: búsqueda semántica, grafos de conocimiento y un servidor MCP integrado, todo en un único binario de Rust. Permite que Claude, Cursor y cualquier cliente MCP comprendan a fondo tu base de código.