#rag-chatbot Dépôts
Découvrez 10 dépôts GitHub open source actifs associés à #rag-chatbot, cumulant 12,066 étoiles au total (soit une moyenne de 1,206 étoiles par projet). Le projet en tête de ce thème est GiovanniPasq/agentic-rag-for-dummies, avec 4,397 étoiles.
10 dépôts au total
Un RAG Agentic modulaire construit avec LangGraph — apprenez les agents de génération augmentée par récupération en quelques minutes.
Un guide complet pour comprendre et implémenter de grands modèles linguistiques avec des exemples pratiques utilisant LangChain pour les applications GenAI.
Démystifiez le RAG en le construisant à partir de zéro. LLM locaux, pas de boîtes noires – une réelle compréhension des embeddings, de la recherche vectorielle, de la récupération et de la génération augmentée par le contexte.
Frozen — mémoire persistante inter-agents pour assistants de programmation. Fonctionne toujours ; le cœur de mémoire compressée est désormais intégré à JuliusBrussee/caveman.
Alternative open-source et auto-hébergée à NotebookLM. Discutez avec vos documents, générez des résumés audio et ancrez l'IA dans vos propres sources — construit avec Supabase et N8N sur un frontend React.
Un agent sophistiqué basé sur LangGraph qui automatise l'analyse des options financières grâce à des données en temps réel provenant de Polygon.io, avec un cache intelligent, une mémoire persistante et une analyse de niveau professionnel. Conçu pour les traders, analystes et développeurs ayant besoin d'un traitement intelligent des données d'options.
Posez des questions sur vos notes Markdown grâce à un moteur Graph RAG entièrement local. Conçu pour les coffres Obsidian, il fonctionne avec n’importe quel dossier de fichiers Markdown. Extrait des triplets entité-relation des wikiliens et du frontmatter YAML, puis récupère les réponses via une recherche hybride (vecteurs + BM25 + temporelle). Multilingue. Aucun cloud. Fonctionne avec Ollama.
Manuel tout-en-un pour construire, déployer et comprendre les agents LLM avec plus de 60 squelettes, tutoriels, guides d'écosystème et outils d'évaluation.
Base de connaissances CTF 2026 : 12 articles approfondis sur les vulnérabilités Web + 1 049 write-ups de compétitions des années précédentes + 110 scripts de résolution + un aide-mémoire des payloads + 67 fiches de techniques et 2 863 cas d’échec. Une collection de ressources consultables et pédagogiques destinée aux participants aux CTF : 12 articles approfondis sur les vulnérabilités Web, 1 049 write-ups de compétitions des années précédentes, 110 scripts de résolution, un aide-mémoire des payloads, ainsi que 67 fiches de techniques et 2 863 cas d’échec tirés des write-ups. Le tout en texte brut Markdown, prêt à être consulté ou intégré à un système RAG.
Foire aux questions
Quel est le dépôt #rag-chatbot le plus populaire sur GitHub ?
Le projet #rag-chatbot open source le mieux classé sur GitHub est GiovanniPasq/agentic-rag-for-dummies, avec 4,397 étoiles. Un RAG Agentic modulaire construit avec LangGraph — apprenez les agents de génération augmentée par récupération en quelques minutes.
Quels langages de programmation sont les plus utilisés dans les dépôts #rag-chatbot ?
Parmi les projets #rag-chatbot les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, TypeScript, JavaScript.
Comment le classement des dépôts #rag-chatbot est-il calculé ?
Nous suivons 10 dépôts open source actifs associés à #rag-chatbot (500+ étoiles), totalisant 12,066 étoiles, avec une moyenne de 1,206 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.