#vector-database Repositorios
Descubre 144 repositorios activos de código abierto de GitHub etiquetados con #vector-database, que acumulan 930,992 estrellas en total (una media de 6,465 estrellas por proyecto). El líder de este tema es Mintplex-Labs/anything-llm, con 68,480 estrellas.
144 repositorios en total
Deja de alquilar tu inteligencia. Posee con AnythingLLM. Todo lo que necesitas para una potente experiencia de agente local
Una API de motor de búsqueda ultrarrápida que trae búsqueda híbrida impulsada por IA a tus sitios y aplicaciones.
Un servidor RAG sin código que mantiene las respuestas sincronizadas con tus documentos. Compatible con 8 bases de datos vectoriales. Basado en Pathway.
Milvus es una base de datos de vectores de alto rendimiento y nativa de la nube construida para búsquedas ANN de vectores escalables.
Base de datos de contexto autoevolutiva para agentes de IA. Unifica la memoria del agente, RAG de conocimiento y habilidades.
Una biblioteca para la búsqueda eficiente de similitud y el agrupamiento de vectores densos.
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/
Cognee es la plataforma de memoria de IA de código abierto para agentes. Dota a tus agentes de IA de una memoria persistente a largo plazo con modelos pequeños y de forma gratuita
Este repositorio muestra diversas técnicas avanzadas para sistemas de Generación Aumentada por Recuperación (RAG). Cada técnica tiene un tutorial detallado en notebook.
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.
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.
[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
LangChain4j es una biblioteca de Java idiomática y de código abierto para construir aplicaciones impulsadas por LLM en la JVM. Ofrece una API unificada sobre proveedores populares de LLM y almacenes de vectores, y facilita la implementación de llamadas a herramientas (incluyendo soporte para MCP), agentes y RAG. Se integra perfectamente con frameworks de Java empresariales como Quarkus y Spring Boot.
Búsqueda de código MCP para Claude Code. Haga de toda la base de código el contexto para cualquier agente de codificación.
Biblioteca de recuperación integrada OSS amigable para desarrolladores para IA multimodal. Busca más; gestiona menos.
Un motor de búsqueda completo y un pipeline RAG en su navegador, servidor o red de borde con soporte para búsqueda de texto completo, vectorial e híbrida en menos de 2 KB.
OceanBase es la base de datos distribuida unificada para la era de la IA: de código abierto, multimodelo y con un solo motor para sus cargas de trabajo más exigentes.
Un Postgres para los datos de su aplicación, búsqueda de texto completo, recuperación vectorial y agregaciones. El hogar de la extensión pg_search.
Data Agent Ready Warehouse: Uno para Analytics, Búsqueda, IA, Python Sandbox. — reconstruido desde cero. Arquitectura unificada en tu S3.
Deeplake es una AI Data Runtime para Agents. Proporciona Postgres sin servidor con un datalake multimodal, permitiendo recuperación y entrenamiento escalables.
El servidor MariaDB es un fork del servidor MySQL desarrollado por la comunidad. Iniciado por miembros principales del equipo original de MySQL, MariaDB trabaja activamente con desarrolladores externos para ofrecer el servidor SQL abierto más completo, estable y con licencia razonable de la industria.
Aplicación privada y local de IA para la gestión del conocimiento personal para personas con alta entropía.
Alternativa de Investigación Profunda de Código Abierto a Reason y Search sobre Datos Privados. Escrito en Python.
Marco de código abierto para construir aplicaciones de agentes en JavaScript, Go, Dart y Python, construido y utilizado en producción por Google
HelixDB es una base de datos de grafos OLTP con búsqueda vectorial y de texto completo nativas, desarrollada en Rust sobre almacenamiento de objetos.
Un motor de consultas e indexación para Redis, que proporciona indexación secundaria, búsqueda de texto completo, búsqueda de similitud vectorial y agregaciones.
Apache Pinot: una base de datos de análisis en tiempo real para SQL de baja latencia y búsqueda vectorial, destinada a aplicaciones para usuarios y agentes
Motor de búsqueda de texto/vectores en Go, de código abierto, distribuido, sencillo y rápido y eficiente
MineContext es su socio de IA proactivo y consciente del contexto (Context-Engineering+ChatGPT Pulse)
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.
Almacén de memoria persistente local para aplicaciones LLM, incluyendo claude desktop, github copilot, codex, antigravity, etc.
CrateDB es una base de datos SQL distribuida y escalable para almacenar y analizar grandes cantidades de datos en casi tiempo real, incluso con consultas complejas. Es compatible con PostgreSQL y está basada en Lucene.
Una forma tranquila y nativa de CLI para hacer grep semántico de todo, como código, imágenes, pdfs y más.
Knowhere extrae, analiza y genera fragmentos estructurados listos para Agentes de IA y RAG.
Inteligencia de codebase de grado empresarial (40m+ LOC), zero-setup, local y privado Plugin/Skill/Extension o MCP: búsqueda semántica híbrida, grafos de dependencias poliglotas, análisis de impacto a nivel de símbolo & flujo de llamadas, visor HTML interactivo, búsqueda cross-proyecto y consciente de branches, conocimiento DB/API/infra. 61% menos tokens, 84% menos llamadas, 37x más rápido. Cloud en beta.
Jupyter Notebooks para ayudarte a familiarizarte con las bases de datos vectoriales de Pinecone
pingcap/autoflow es una herramienta de base de conocimiento conversacional basada en Graph RAG, construida con TiDB Serverless Vector Storage. Demo: https://tidb.ai
Nuevo proyecto práctico de desarrollo de IA de Programming Navigation: construcción de una aplicación de 'Gurú del Amor' con IA y el agente autónomo de planificación ReAct 'YuManus', utilizando Spring Boot 3, Java 21 y Spring AI. Cubre conocimientos clave como la integración de modelos de IA, características de Spring AI, ingeniería de prompts, RAG, bases de datos vectoriales, llamadas a herramientas (Tool Calling), protocolo MCP, desarrollo de agentes de IA (implementación de Manas en Java) y herramientas de Cursor AI. Un tutorial completo para dominar las tecnologías de IA esenciales, ayudándote a destacar en la era de la IA y potenciando tu currículum y competitividad laboral.
Manejo de todos los datos no estructurados, como búsqueda inversa de imágenes, búsqueda de audio, búsqueda molecular, análisis de video, sistemas de preguntas y respuestas, NLP, etc.
Preguntas frecuentes
¿Cuál es el repositorio de #vector-database más popular en GitHub?
El proyecto de código abierto de #vector-database mejor posicionado en GitHub es Mintplex-Labs/anything-llm, con 68,480 estrellas. Deja de alquilar tu inteligencia. Posee con AnythingLLM. Todo lo que necesitas para una potente experiencia de agente local
¿Qué lenguajes de programación se utilizan más en los repositorios de #vector-database?
Entre los proyectos de #vector-database mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Rust, TypeScript, C++.
¿Cómo se calcula la clasificación de los repositorios de #vector-database?
Seguimos 144 repositorios activos de código abierto etiquetados con #vector-database (500+ estrellas), que suman un total de 930,992 estrellas, con una media de 6,465 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.