#knowledge-graph Dépôts
Découvrez 210 dépôts GitHub open source actifs associés à #knowledge-graph, cumulant 1,149,690 étoiles au total (soit une moyenne de 5,474 étoiles par projet). Le projet en tête de ce thème est Graphify-Labs/graphify, avec 151,427 étoiles.
210 dépôts au total
Transformez n'importe quelle base de code, avec ses documents, schémas SQL, configurations et PDF, en un graphe de connaissances interrogeable. Une compétence /graphify pour Claude Code, Cursor, Codex et Gemini CLI : analyse AST déterministe locale, chaque arête expliquée, sans stockage vectoriel.
Des graphiques qui instruisent > des graphiques qui impressionnent. Transformez n'importe quel code en un graphe de connaissances interactif que vous pouvez explorer, parcourir et interroger. Fonctionne avec Claude Code, Codex, Cursor, Copilot, Gemini CLI, et plus encore.
Mots sensibles chinois-anglais, détection de langue, requête d'attribution/opérateur de téléphones mobiles/fixes chinois/étrangers, inférence de genre par nom, extraction de numéro de mobile, extraction de carte d'identité, extraction d'email, bibliothèque de noms sino-japonaise, bibliothèque d'abréviations chinoises, dictionnaire de décomposition de caractères, valeurs sentimentales du vocabulaire, mots vides, liste de mots réactionnaires, liste de mots violence-terrorisme, conversion simplifié-traditionnel, simulation de prononciation chinoise en anglais, générateur de paroles de Wang Feng, bibliothèque de noms de professions, bibliothèque de synonymes, bibliothèque d'antonymes, bibliothèque de mots négatifs, bibliothèque de marques automobiles, bibliothèque de pièces automobiles, segmentation continue de l'anglais, divers vecteurs de mots chinois, grande collection de noms d'entreprises, bibliothèque de poésie ancienne, bibliothèque IT, bibliothèque financière, bibliothèque d'idiomes, bibliothèque de noms géographiques, bibliothèque de figures historiques, bibliothèque de poésie, bibliothèque médicale, bibliothèque de diététique, bibliothèque juridique, bibliothèque automobile, bibliothèque animale, corpus de chat chinois, données de rumeurs chinoises, ensemble de données Q&R chinois Baidu, collection d'algorithmes de correspondance de similarité de phrases, ressources bert, outils de génération et résumé de texte, outil d'extraction d'informations cocoNLP, correspondance regex des numéros de téléphone nationaux, Tsinghua XLORE : graphe de connaissances encyclopédique translingue sino-anglais, série de rapports sur les technologies IA de Tsinghua, génération de langage naturel, série NLU trop difficile, données de couplets automatiques & robot, liste de blacklist des noms d'utilisateurs, termes légaux des crimes & modèle de classification, corpus de comptes publics WeChat, cours cs224n apprentissage profond traitement du langage naturel, reconnaissance de caractères chinois manuscrits, corpus/ensembles de données de traitement du langage naturel chinois, artefact de nommage de variables, bibliothèque de corpus de segmentation + code, ensemble de données de dialogue orienté tâche en anglais, ensemble de données vocal ASR + chinois basé sur l'apprentissage profond
Intelligence de code locale pour les développeurs et les agents d’IA. Reliez le code, la documentation et l’infrastructure dans un graphe persistant grâce à CBM Lens, aux outils MCP, aux intégrations d’agents et à la sélection de tests tenant compte des changements.
Une plateforme open-source axée sur la confidentialité pour la gestion des connaissances et la collaboration. Lien de téléchargement : http://github.com/logseq/logseq/releases. Feuille de route : https://logseq.io/p/NX4mc_ggEV
Cognee est la plateforme open source de mémoire IA pour les agents. Offrez gratuitement à vos agents IA une mémoire persistante à long terme grâce à de petits modèles
Graphe d'intelligence de code local d'abord pour MCP et CLI. Construit une carte persistante de votre base de code afin que les outils de codage IA lisent uniquement ce qui compte, avec des réductions de contexte mesurées sur les révisions et les workflows de grands dépôts.
base de données graphiques haute performance pour les cas d'utilisation en temps réel
Couche de mémoire pour Agents d'IA. Remplacez les pipelines RAG complexes par une couche de mémoire sans serveur et à fichier unique. Offrez à vos agents une récupération instantanée et une mémoire à long terme.
Cerveau secondaire IA auto-organisé pour Obsidian + Claude Code. Déposez n'importe quelle source et Claude la lit, la lie et la classe dans un graphe de connaissances connecté en Markdown brut que vous possédez. Prise de notes IA, gestion des connaissances personnelles (PKM) et alternative open-source à Notion. Basé sur le modèle LLM Wiki de Karpathy.
Couche sémantique native des graphes pour une IA d’entreprise digne de confiance
Une base de données de graphes distribuée, rapide et open source dotée d'une scalabilité horizontale et d'une haute disponibilité
Moteur incrémental pour agents à long horizon 🌟 Mettez une étoile si vous l'aimez !
Une mémoire partagée pour chaque agent de programmation de votre équipe. Claude Code, Cursor et Codex disposent d’une carte de votre code et des décisions passées de votre équipe, afin de reprendre là où vous vous étiez arrêté.
Une base de données graphe ultra-rapide utilise GraphBLAS en interne pour sa représentation de graphe par matrice d'adjacence creuse. Notre objectif est de fournir le meilleur graphe de connaissances pour les LLM (GraphRAG).
MemoryBear : Équipez l'IA d'une mémoire semblable à celle des humains
KAG est un framework de raisonnement et de récupération guidé par des formes logiques, basé sur le moteur OpenSPG et les LLM. Il est utilisé pour construire des solutions de raisonnement logique et de questions-réponses factuelles pour des bases de connaissances de domaines professionnels. Il peut surmonter efficacement les lacunes du modèle traditionnel de calcul de similarité vectorielle RAG.
Graphe de connaissances pour repérer et combler les lacunes d’apprentissage dans 10 matières du primaire et du secondaire : 4 068 notions, 6 429 relations de prérequis et 16 419 exercices. Vérification point par point selon les programmes scolaires nationaux afin de diagnostiquer et de localiser les prérequis réellement non maîtrisés, puis de proposer un parcours de rattrapage.
Plateforme multi-tenant d’agents de connaissance déployable en privé : RAG unifié, graphes de connaissances, systèmes multi-agents, MCP/Skills, environnements sandbox et gestion des autorisations. Yuxi = Agents cloud + RAG de connaissances, une plateforme d’agents de connaissance auto-hébergeable pour le RAG, les graphes de connaissances et les workflows multi-agents.
ChatLaw : Un LLM puissant adapté au droit chinois. Grand modèle linguistique juridique chinois
Mémoire persistante pour Claude Code, Codex et 6 autres agents IA, stockée en Markdown brut dans votre coffre Obsidian. Nouveau : Crew, un journal partagé pour que Claude Code, Codex, Cursor et Grok Bot sachent ce que chacun a fait. 48 commandes : recherche sémantique, notes qui se réécrivent automatiquement, recherche sans clé et agents planifiés.
Le RAG ultime pour votre monorepo. Interrogez, comprenez et modifiez des bases de code multilingues avec la puissance de l'IA et des graphes de connaissances.
Construction de graphes Neo4j à partir de données non structurées à l'aide de LLM
RuVector fournit une prise de décision et une mémoire d’agents haute performance en temps réel, une IA auto-apprenante et une base de données GNN vectorielle développée en Rust.
Un moteur de mémoire cognitive bio-inspiré — un nouveau paradigme pour Graph RAG.
[EMNLP 2022] Un kit d'outils ouvert pour l'extraction et la construction de graphes de connaissances
Extrapolation de graphes de connaissances à partir de textes non structurés à l'aide de GPT-3 🕵️♂️
Graphe de Connaissances Agricoles (AgriKG) : Recherche d'Information dans le Domaine Agricole, Reconnaissance d'Entités Nomées, Extraction de Relations, Réponse Intelligente aux Questions, Aide à la Décision
L'hypergraphe est plus puissant. Transformez du texte non structuré en connaissances structurées avec les LLM. Graphes, hypergraphes et extractions spatio-temporelles — en une seule commande.
La couche de contexte open source pour les agents d’IA et la recherche d’entreprise par IA. Recherche tenant compte des autorisations et réponses avec citations dans plus de 30 sources, notamment Slack, Drive, Jira, GitHub et Microsoft 365, pour les utilisateurs et les agents via MCP, des SDK et des agents intégrés. Auto-hébergée ou dans le cloud.
[ICML'26] SimpleMem : mémoire permanente efficace pour les agents LLM — texte et multimodal
Cadre permettant aux agents d’IA de construire et de maintenir un cerveau numérique via un wiki Obsidian | Système de mémoire pour agents
Une base de connaissances personnelle qui se construit et se maintient elle-même. Déposez des sources — Claude (ou Codex/Gemini) les lit, extrait les connaissances et maintient une wiki interconnectée persistante. Fonctionne avec Claude Code, Codex, OpenCode, Gemini CLI. Aucune clé API requise.
PentestAgent est un cadre d'agents IA pour les tests de sécurité en boîte noire, prenant en charge les flux de travail de chasse aux bogues (bug bounty), d'équipe rouge (red-team) et de tests d'intrusion (penetration testing).
:books: Devenir un Développeur Professionnel : De Zéro à la Maîtrise, MindMap Interactive, RoadMap (Parcours d'Apprentissage/Questions d'Entretien), xCompass, Hebdomadaire pour Développeurs, pour Apprendre Tout en ITCS :dizzy: Vision technique du programmeur, gestion des connaissances et planification de carrière, amélioration de l'efficacité R&D individuelle et en équipe
Base de données de graphes native du stockage d’objets, avec embranchements et ontologie typée
L’environnement d’exécution d’ontologies open source pour les agents d’IA.
Couche de mémoire universelle pour les agents d'IA. Elle offre un stockage et une récupération de mémoire évolutifs, extensibles et interopérables pour rationaliser la gestion de l'état des agents d'IA pour les systèmes autonomes de nouvelle génération.
Foire aux questions
Quel est le dépôt #knowledge-graph le plus populaire sur GitHub ?
Le projet #knowledge-graph open source le mieux classé sur GitHub est Graphify-Labs/graphify, avec 151,427 étoiles. Transformez n'importe quelle base de code, avec ses documents, schémas SQL, configurations et PDF, en un graphe de connaissances interrogeable. Une compétence /graphify pour Claude Code, Cursor, Codex et Gemini CLI : analyse AST déterministe locale, chaque arête expliquée, sans stockage vectoriel.
Quels langages de programmation sont les plus utilisés dans les dépôts #knowledge-graph ?
Parmi les projets #knowledge-graph les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Rust, TypeScript, JavaScript.
Comment le classement des dépôts #knowledge-graph est-il calculé ?
Nous suivons 210 dépôts open source actifs associés à #knowledge-graph (500+ étoiles), totalisant 1,149,690 étoiles, avec une moyenne de 5,474 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.