#retrieval Repositorios
Descubre 32 repositorios activos de código abierto de GitHub etiquetados con #retrieval, que acumulan 103,199 estrellas en total (una media de 3,224 estrellas por proyecto). El líder de este tema es VectifyAI/PageIndex, con 40,634 estrellas.
32 repositorios en total
Búsqueda de código rápida y precisa para agentes. Utiliza un 99% menos de tokens que grep+read
Entorno de ejecución de memoria a largo plazo para agentes de IA: Markdown sin formato como fuente de verdad, recuperación local ordenada por relevancia y una capa independiente de gestión durante el tiempo de inactividad. Claude Code y Codex comparten un mismo almacén. No se necesita una clave de API.
[ICML'26] SimpleMem: Memoria eficiente de por vida para agentes de LLM — Texto y multimodal
Servidor de inferencia de código abierto y clúster de producción para todos los modelos que necesita su agente.
MTEB: Evaluación de vanguardia de embeddings en múltiples idiomas y modalidades
Biblioteca Python rápida, precisa y ligera para crear incrustaciones de última generación
Memoria a largo plazo basada en perfiles de usuario para aplicaciones de chatbot de IA.
Apache Lucene.NET es una biblioteca de búsqueda de texto completo de código abierto escrita en C#, portada del proyecto Apache Lucene.
Un benchmark heterogéneo para la recuperación de información. Fácil de usar, evalúe sus modelos en más de 15 conjuntos de datos de IR diversos.
La implementación oficial de RAPTOR: Procesamiento Abstractivo Recursivo para Recuperación Organizada en Árbol
OpenResearcher: Una Pipeline Completamente Abierta para la Síntesis de Trayectorias de Investigación Profunda a Largo Plazo
CLI abierto para integrar búsqueda, recomendación y recuperación conversacional de IA en sistemas de agentes y sistemas empresariales
¡Biblioteca de Rust para generar incrustaciones vectoriales y reclasificar localmente!
Una implementación oficial para "CLIP4Clip: Un estudio empírico de CLIP para la recuperación de videoclips de extremo a extremo"
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.
Una base de datos vectorial de alto rendimiento que aprovecha la computación paralela de grafos
Neum AI es un marco de primer nivel para gestionar la creación y sincronización de incrustaciones vectoriales a gran escala.
[Pytorch] Modelo de recuperación generativa utilizando identificadores semánticos de "Recommender Systems with Generative Retrieval"
Utilice modelos multimodales de interacción tardía como ColPali en solo unas pocas líneas de código.
Motor de búsqueda anclado (es decir, con referencia a la fuente) basado en LLM / ChatGPT / API de OpenAI. Admite búsqueda web, búsqueda de contenido de archivos, etc.
🔥 Rankify: Un kit de herramientas integral de Python para recuperación, reordenamiento y generación aumentada por recuperación 🔥. Nuestro kit de herramientas integra 40 conjuntos de datos de referencia pre-recuperados y admite más de 7 técnicas de recuperación, más de 24 modelos de reordenamiento de última generación y múltiples métodos RAG.
~97 % de reducción de tokens para sesiones de programación con IA: sin dependencias, 38 idiomas, servidor MCP
Framework RAG fácil de usar; Solución Top 3 del Desafío Internacional CCF AIOps 2024; Solución del equipo ganador del Desafío Internacional CCF AIOps 2024
Use ArXiv ChatGuru para hablar con artículos de investigación. Esta aplicación utiliza LangChain, OpenAI, Streamlit y Redis como base de datos vectorial/caché semántica.
Recuperar, Leer y Enlazar: Vinculación de Entidades y Extracción de Relaciones Rápida y Precisa con un Presupuesto Académico (ACL 2024)
Preguntas frecuentes
¿Cuál es el repositorio de #retrieval más popular en GitHub?
El proyecto de código abierto de #retrieval mejor posicionado en GitHub es VectifyAI/PageIndex, con 40,634 estrellas. 📑 PageIndex: Índice de Documento para RAG basado en razonamiento sin vectores
¿Qué lenguajes de programación se utilizan más en los repositorios de #retrieval?
Entre los proyectos de #retrieval mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, C#, TypeScript.
¿Cómo se calcula la clasificación de los repositorios de #retrieval?
Seguimos 32 repositorios activos de código abierto etiquetados con #retrieval (500+ estrellas), que suman un total de 103,199 estrellas, con una media de 3,224 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.