#retrieval-augmented-generation Repositorios
Descubre 254 repositorios activos de código abierto de GitHub etiquetados con #retrieval-augmented-generation, que acumulan 1,102,453 estrellas en total (una media de 4,340 estrellas por proyecto). El líder de este tema es infiniflow/ragflow, con 94,501 estrellas.
254 repositorios en total
RAGFlow es una base de datos nativa para agentes: un motor de generación aumentada por recuperación (RAG) que evolucionó hasta convertirse en una infraestructura de contexto.
Un servidor RAG sin código que mantiene las respuestas sincronizadas con tus documentos. Compatible con 8 bases de datos vectoriales. Basado en Pathway.
Una colección de cuadernos/recetas que muestran algunas formas divertidas y efectivas de usar Claude.
DSPy: El framework para programar – no para solicitar indicaciones – modelos de lenguaje
Langchain-Chatchat (anteriormente Langchain-ChatGLM), LLM basado en conocimiento local (como ChatGLM, Qwen y Llama) RAG y aplicación Agent con Langchain | Langchain-Chatchat (anteriormente langchain-ChatGLM), LLM basado en conocimiento local (como ChatGLM, Qwen y Llama) RAG y aplicación Agent con Langchain
Un sistema de curación de conocimiento impulsado por LLM que investiga un tema y genera un informe completo con citas.
Este repositorio muestra diversas técnicas avanzadas para sistemas de Generación Aumentada por Recuperación (RAG). Cada técnica tiene un tutorial detallado en notebook.
Marco de orquestación de IA de código abierto para construir aplicaciones LLM listas para producción, diseñadas con contexto. Diseña tuberías modulares y flujos de trabajo de agentes con control explícito sobre la recuperación, el enrutamiento, la memoria y la generación. Construido para agentes escalables, RAG, aplicaciones multimodales, búsqueda semántica y sistemas conversacionales.
Chatea con tus documentos en tu dispositivo local utilizando modelos GPT. Ningún dato abandona tu dispositivo y es 100% privado.
Capa de memoria para Agentes de IA. Reemplace complejas tuberías RAG con una capa de memoria sin servidor y de archivo único. Proporcione a sus agentes recuperación instantánea y memoria a largo plazo.
Marco unificado para la construcción de canalizaciones RAG empresariales con modelos pequeños y especializados
[Mejor artículo de MLsys2026]: https://arxiv.org/abs/2506.08276. RAG en todo con LEANN. Disfruta de un 97% de ahorro de almacenamiento mientras ejecutas una aplicación RAG rápida, precisa y 100% privada en tu dispositivo personal.
Framework de IA todo en uno para búsqueda semántica, orquestación de LLM y flujos de trabajo de modelos de lenguaje
Agent S: agentes de código abierto de última generación para interactuar con computadoras
Pocket Flow: Framework LLM de 100 líneas. ¡Deja que los Agentes construyan Agentes!
~95% en SimpleQA (p. ej. Qwen3.6-27B en una 3090). Soporta todos los LLM locales y en la nube (llama.cpp, Ollama, Google, ...). 10+ motores de búsqueda - arXiv, PubMed, tus documentos privados. Todo Local & Cifrado.
"La ingeniería de contexto es el delicado arte y ciencia de llenar la ventana de contexto con la información adecuada para el siguiente paso." — Andrej Karpathy. Un manual pionero, inspirado en Karpathy y 3Blue1Brown, basado en principios fundamentales para ir más allá de la ingeniería de prompts hacia la disciplina más amplia del diseño, orquestación y optimización de contextos.
🧑🚀 Resumen de los mejores recursos de LLM del mundo (Generación multimodal, Agentes, Programación asistida, Revisión por IA, Procesamiento de datos, Entrenamiento de modelos, Inferencia de modelos, Modelo o1, MCP, Pequeños modelos de lenguaje, Modelos de lenguaje visual) | Summary of the world's best LLM resources.
Sistema de recuperación de IA de última generación listo para producción. Generación aumentada por recuperación agentiva (RAG) con una API RESTful.
[EMNLP'23, ACL'24] Para acelerar la inferencia de los LLM y mejorar la percepción de información clave de los LLM, comprime el prompt y la KV-Cache, lo que logra hasta 20 veces de compresión con una mínima pérdida de rendimiento.
¡Envía una llamada telefónica desde un agente de IA, en una llamada API. O, ¡llama directamente al bot desde el número de teléfono configurado!
Utilice IA para generar novelas largas de varios capítulos, conectando automáticamente el contexto y los presagios
🎙️🤖Crea, personaliza y habla con tu personaje/compañero IA en tiempo real (¡Todo en una única base de código!). Mantén una conversación natural y fluida con la IA en cualquier lugar (móvil, web y terminal) utilizando LLM OpenAI GPT3.5/4, Anthropic Claude2, Chroma Vector DB, Whisper Speech2Text, ElevenLabs Text2Speech🎙️🤖
Tu agente bibliotecario personal. Pregúntale cualquier cosa sobre tu ordenador, organiza archivos y recuerda información y archivos importantes.
Compañeros de IA con memoria: una pila ligera para crear y alojar tus propios compañeros de IA
Search-R1: Un marco de entrenamiento RL eficiente y escalable para razonamiento y llamadas al motor de búsqueda basado en LLM entrelazados con veRL
El RAG definitivo para tu monorepo. Consulta, comprende y edita bases de código multilingües con el poder de la IA y los grafos de conocimiento.
La plataforma de código abierto para el desarrollo de aplicaciones nativas de IA.
Esta es una guía paso a paso para principiantes en grandes modelos de IA/LLM, que incluye tutoriales y código de demostración. Te llevará desde las API hasta el despliegue y ajuste fino de grandes modelos locales. Los archivos de código se proporcionarán en versiones en línea para Kaggle o Colab, lo que te permitirá aprender incluso sin una tarjeta gráfica. El proyecto también incluye un pequeño "parque de juegos" de código 🎡, donde puedes experimentar con scripts de IA interesantes. Al mismo tiempo, incluye una versión espejo completa en chino de las tareas del curso "Introducción a la IA generativa 2024" de Hung-Yi Lee.
Un RAG Agentic modular construido con LangGraph — aprende agentes de Generación Aumentada por Recuperación en minutos.
Framework RAG (Retrieval Augmented Generation) para construir aplicaciones modulares de código abierto para producción por TrueFoundry
Flujos de trabajo de referencia de IA generativa optimizados para una arquitectura de microservicios e infraestructura acelerada.
Convierte cualquier texto en un grafo de conocimiento. Esto se puede utilizar para la Generación Aumentada por Grafos o QnA basado en Grafos de Conocimiento.
Infraestructura de visión para transformar documentos complejos en datos listos para LLM
Preguntas frecuentes
¿Cuál es el repositorio de #retrieval-augmented-generation más popular en GitHub?
El proyecto de código abierto de #retrieval-augmented-generation mejor posicionado en GitHub es infiniflow/ragflow, con 94,501 estrellas. RAGFlow es una base de datos nativa para agentes: un motor de generación aumentada por recuperación (RAG) que evolucionó hasta convertirse en una infraestructura de contexto.
¿Qué lenguajes de programación se utilizan más en los repositorios de #retrieval-augmented-generation?
Entre los proyectos de #retrieval-augmented-generation mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, TypeScript, Rust.
¿Cómo se calcula la clasificación de los repositorios de #retrieval-augmented-generation?
Seguimos 254 repositorios activos de código abierto etiquetados con #retrieval-augmented-generation (500+ estrellas), que suman un total de 1,102,453 estrellas, con una media de 4,340 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.