#embedding Dépôts
Découvrez 27 dépôts GitHub open source actifs associés à #embedding, cumulant 186,844 étoiles au total (soit une moyenne de 6,920 étoiles par projet). Le projet en tête de ce thème est chatchat-space/Langchain-Chatchat, avec 38,712 étoiles.
27 dépôts au total
Langchain-Chatchat (anciennement Langchain-ChatGLM), LLM basé sur les connaissances locales (comme ChatGLM, Qwen et Llama) RAG et application Agent avec Langchain | Langchain-Chatchat (anciennement langchain-ChatGLM), LLM basé sur les connaissances locales (comme ChatGLM, Qwen et Llama) RAG et application Agent avec Langchain
TencentDB Agent Memory est un hub de mémoire au niveau de l'équipe pour les agents d'IA, transformant les conversations, les documents et le code en quatre actifs de mémoire réutilisables (Chat Memory, Skill, LLM-Wiki, Code-Graph) qui sont gouvernés, partagés et équipés entre les agents et les frameworks.
Un index vectoriel construit sur TurboQuant, écrit en Rust avec des bindings Python
Utilisez le PEFT ou l’entraînement de tous les paramètres pour appliquer CPT/SFT/DPO/GRPO à plus de 600 LLM (Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) et plus de 300 MLLM (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4, ...) (AAAI 2025).
🔍Développement pratique d'applications de grands modèles Partie 1 : Guide complet de la technologie RAG, adresse de lecture en ligne : https://datawhalechina.github.io/all-in-rag/
Bibliothèque LLM et SLM facile à utiliser et puissante avec un incroyable zoo de modèles.
Recherche de code MCP pour Claude Code. Faites de l'ensemble de la base de code le contexte de tout agent de codage.
Un framework MCP low-code pour construire des pipelines RAG complexes et innovants
Embedding Atlas est un outil qui fournit des visualisations interactives pour de grands embeddings. Il vous permet de visualiser, de filtrer de manière croisée et de rechercher des embeddings et des métadonnées.
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.
Une façon communautaire de lire et de discuter avec des robots IA, alimentée par chatGPT.
🔍 Exporter et rechercher de manière floue votre historique de discussion Telegram | Export and fuzzy search your Telegram chat history
Framework de données pour vos applications LLM. Axé sur la solution côté serveur.
Plateforme tout-en-un pour la recherche, les recommandations, RAG et l'analyse proposées via API
Une liste sélectionnée de papiers de recherche sur la détection de communautés avec implémentations.
Exécutez des modèles d'IA localement sur votre machine avec des liaisons Node.js pour llama.cpp. Appliquez un schéma JSON à la sortie du modèle au niveau de la génération.
Un fork de @ClickHouse qui prend en charge la recherche vectorielle haute performance et la recherche plein texte.
ChatWeb peut explorer les pages Web, lire les PDF, DOCX, TXT et extraire le contenu principal, puis répondre à vos questions en fonction du contenu ou résumer les points clés.
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.
Ce dépôt contient le code pour "VLM2Vec / MMEB" [ICLR 2025], "VLM2Vec-V2 / MMEB-V2" [TMLR 2026] et "MMEB-V3" [COLM 2026]
Un framework RAG NodeJS pour travailler facilement avec des LLM et des embeddings
ACG2vec (Anime Comics Games to vector) s'engage à créer un terrain de jeu qui combine l'ACG et l'apprentissage profond. (Recherche sémantique de texte, recherche d'images par l'image, recherche sémantique d'images, super-résolution d'images, systèmes de recommandation)
Foire aux questions
Quel est le dépôt #embedding le plus populaire sur GitHub ?
Le projet #embedding open source le mieux classé sur GitHub est chatchat-space/Langchain-Chatchat, avec 38,712 étoiles. Langchain-Chatchat (anciennement Langchain-ChatGLM), LLM basé sur les connaissances locales (comme ChatGLM, Qwen et Llama) RAG et application Agent avec Langchain | Langchain-Chatchat (anciennement langchain-ChatGLM), LLM basé sur les connaissances locales (comme ChatGLM, Qwen et Llama) RAG et application Agent avec Langchain
Quels langages de programmation sont les plus utilisés dans les dépôts #embedding ?
Parmi les projets #embedding les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, TypeScript, Rust, C++.
Comment le classement des dépôts #embedding est-il calculé ?
Nous suivons 27 dépôts open source actifs associés à #embedding (500+ étoiles), totalisant 186,844 étoiles, avec une moyenne de 6,920 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.