#bm25 Dépôts
Découvrez 21 dépôts GitHub open source actifs associés à #bm25, cumulant 108,148 étoiles au total (soit une moyenne de 5,149 étoiles par projet). Le projet en tête de ce thème est tobi/qmd, avec 31,317 étoiles.
21 dépôts au total
moteur de recherche mini cli pour vos documents, bases de connaissances, notes de réunion, tout ce que vous voulez. Suit les approches sota actuelles tout en étant entièrement local
Moteur de recherche IA et serveur MCP pour bots et agents. Un seul binaire Rust indexe le code, les documents, les journaux, les fichiers JSONL/CSV et les PDF pour la recherche BM25 en texte intégral, vectorielle et hybride, la recherche de code sans grep, la mémoire des agents et le RAG. API compatible avec Elasticsearch ; Corpus Hub propose des centaines de corpus de mémoire de référence.
Base de données de recherche open source pour la recherche plein texte, vectorielle et hybride avec indexation en temps réel et SQL.
Un Postgres pour les données de votre application, la recherche plein texte, la récupération vectorielle et les agrégations. Le foyer de l'extension pg_search.
La base de données native de l'IA conçue pour les applications LLM, offrant une recherche hybride incroyablement rapide de vecteurs denses, de vecteurs épars, de tenseurs (multi-vecteurs) et de texte intégral.
Un RAG Agentic modulaire construit avec LangGraph — apprenez les agents de génération augmentée par récupération en quelques minutes.
Recherche local-first dans tout votre espace de travail, conçue pour les humains et les agents d’IA.
AdalFlow : La bibliothèque pour construire et optimiser automatiquement les applications LLM.
Extension PostgreSQL pour la recherche plein texte classée par pertinence BM25. Sous licence Postgres OSS.
SeekStorm : recherche vectorielle et lexicale - bibliothèque en processus et serveur multi-locataires, en Rust.
Référence RAG Python transparente avec récupération hybride FAISS + BM25, reranking, interface utilisateur Gradio et FastAPI.
Similarités : Une boîte à outils pour le calcul de similarité et la recherche sémantique. Boîte à outils de calcul de similarité et de recherche de correspondance, prend en charge des milliards de données pour la recherche texte-texte, texte-image, image-image, développée en Python 3, prête à l'emploi.
Mémoire persistante native de Git pour les agents de programmation IA. Implémente Google OKF v0.2 avec une recherche BM25 en mémoire en moins de 300 µs, un serveur MCP intégré et une divulgation progressive. Réduit la surcharge de jetons de 80 %, sans base de données ni dépendance externe. Entièrement conçu en Go pur.
CLI d'intelligence de code basée sur Rust pour les agents de codage IA. Construit des graphes d'appels et des index de recherche sémantique hybrides (Dense + Sparse + RRF + Reranker) dans 7 langages. Livré en tant qu'outils MCP natifs pour Claude Code et Codex CLI.
Framework RAG facile à utiliser ; Solution du Top 3 du défi international CCF AIOps 2024 ; Solution de l'équipe gagnante du défi international CCF AIOps 2024
VectorRAG.Net est une bibliothèque de base de données vectorielle haute performance native .NET pour la recherche sémantique et le RAG (Génération augmentée par récupération). La recherche principale est basée sur la génération de candidats LSH par hyperplan aléatoire avec un réordonnancement exact par produit scalaire/cosinus.
Foire aux questions
Quel est le dépôt #bm25 le plus populaire sur GitHub ?
Le projet #bm25 open source le mieux classé sur GitHub est tobi/qmd, avec 31,317 étoiles. moteur de recherche mini cli pour vos documents, bases de connaissances, notes de réunion, tout ce que vous voulez. Suit les approches sota actuelles tout en étant entièrement local
Quels langages de programmation sont les plus utilisés dans les dépôts #bm25 ?
Parmi les projets #bm25 les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Rust, C++, Go.
Comment le classement des dépôts #bm25 est-il calculé ?
Nous suivons 21 dépôts open source actifs associés à #bm25 (500+ étoiles), totalisant 108,148 étoiles, avec une moyenne de 5,149 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.