#rag Dépôts
550 dépôts au total
Tutoriels de bout en bout, code-first pour construire des agents GenAI de qualité production. Du prototype au déploiement en entreprise.
Une plateforme de développement d'agents IA avec des outils visuels tout-en-un, simplifiant la création, le débogage et le déploiement d'agents comme jamais auparavant. Créez vos agents IA à votre manière avec Coze.
Assistant IA agentique open-source pour les données pour la prochaine génération de produits IA + Données.
RocketRide est un méta-harness d’IA open source doté du seul environnement d’exécution de niveau entreprise conçu en C++. Créez, testez et publiez des agents durables capables de passer à l’échelle en production.
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.
Plateforme de niveau production pour créer des bots de messagerie instantanée multi-agents et multiplateformes : agents, orchestration de bases de connaissances et système de plugins. Bots pour Discord / Slack / LINE / Telegram / WeChat (WeCom, bots IA WeCom et comptes officiels) / Feishu / DingTalk / QQ / Matrix. Intégrée à ChatGPT (GPT), DeepSeek, Dify, n8n, Langflow, Coze, Claude, Gemini, GLM, Ollama, SiliconFlow, Kimi, OpenClaw / Hermes Agent et DeerFlow.
Plateforme IA privée pour agents, assistants et recherche d'entreprise. Agent Builder intégré, recherche approfondie, analyse de documents, prise en charge multi-modèles et connectivité API pour les agents.
GenBI (BI générative) pour les agents IA, un outil open-source et gouverné de texte vers SQL via une couche de contexte ouverte qui transforme les questions en langage naturel en tableaux de bord, graphiques et SQL fiables sur plus de 20 sources de données, telles que BigQuery, Snowflake, PostgreSQL, ClickHouse, Amazon Redshift, Databricks et plus.
Memori est une infrastructure de mémoire native pour les agents. Une couche agnostique aux LLM qui transforme l'exécution et les conversations des agents en un état structuré et persistant pour les systèmes de production. Conçue pour les entreprises, Memori fonctionne avec l'infrastructure de données que vous utilisez déjà, sans remplacement nécessaire, et se déploie sur le cloud géré, le cloud à locataire unique, le VPC et sur site.
Un index vectoriel construit sur TurboQuant, écrit en Rust avec des bindings Python
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.
Framework d'agent et applications basés sur Qwen>=3.0, dotés de l'appel de fonction, MCP, interpréteur de code, RAG, extension Chrome, etc.
Alternative open source à NotebookLM, isolée des réseaux et axée sur la confidentialité. Un agent d’IA qui recherche, transforme et modifie vos documents. Rejoignez notre Discord : https://discord.gg/ejRNvftDp9
La collection open-source de Skills de ConardLi, comprenant le design web, la récupération de connaissances, la génération d'images, et plus encore.
Un outil puissant pour créer des ensembles de données pour le réglage fin de LLM、RAG et Eval
Ce projet est un tutoriel de développement d'applications à grande échelle destiné aux développeurs débutants. Adresse de lecture en ligne : https://datawhalechina.github.io/llm-universe/
Une couche mémoire portable pour chaque agent IA : priorité locale, native Markdown, propriété de l'utilisateur et auto-évolutive à travers les applications, outils et workflows.
[Meilleur article MLsys2026] : https://arxiv.org/abs/2506.08276. Le RAG sur tout avec LEANN. Profitez de 97 % d'économie de stockage tout en exécutant une application RAG rapide, précise et 100 % privée sur votre appareil personnel.
Framework IA tout-en-un pour la recherche sémantique, l'orchestration LLM et les flux de travail de modèles linguistiques
Série ChatGLM3 : LLM de conversation bilingues ouverts | LLM de conversation bilingues ouverts
🔍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/
Capturez d'abord. Organisez ensuite. Une application Markdown axée sur le local qui transforme des notes éparses en notes structurées grâce à l'IA.
Recherche de code MCP pour Claude Code. Faites de l'ensemble de la base de code le contexte de tout agent de codage.
Système d’exploitation de mémoire autoévolutif pour les LLM et les agents d’IA : mémoire ultra-persistante, recherche hybride et réutilisation des compétences entre les tâches, avec une économie de 35,24 % de tokens et la prise en charge de DeepSeek Harness.
BISHENG est une plateforme d’agents d’entreprise open source permettant de créer, déployer et gérer des applications d’IA. Elle associe des agents d’IA, des flux de travail, le RAG et la gestion des connaissances, l’intégration d’agents de bureau et l’hébergement d’applications vibecoding à une gestion unifiée des modèles, à l’évaluation, à l’observabilité, au contrôle des accès et à l’administration d’entreprise.
Guide de développement d’agents IA | Agent Harness | Ingénierie du contexte | RAG avancé | MCP | Apprentissage par renforcement agentique (Agentic RL) | Mise en pratique de LangGraph | Plus de 12 000 questions d’entretien sur les LLM | Recherche d’emploi pour des postes en algorithmes / développement | Se reconvertir dans le domaine des LLM
Moteur incrémental pour agents à long horizon 🌟 Mettez une étoile si vous l'aimez !
Plateforme d'ingénierie d'agents IA bâtie sur un framework d'agents IA Open Source en TypeScript
https://arxiv.org/abs/2606.28344. La fin du parsing web. Le début de la recherche native par pixels évolutive. lien : https://pixelrag.ai/
Outil LLM CLI tout-en-un comprenant un assistant Shell, Chat-REPL, RAG, des outils et agents IA, avec accès à OpenAI, Claude, Gemini, Ollama, Groq et plus encore.
RAG de haute précision pour répondre aux questions de documents scientifiques avec citations
Le moteur d’intelligence documentaire rapide et précis pour toutes les langues : texte, tableaux et métadonnées issus de plus de 100 formats, avec OCR, transcription et intelligence du code.
Deeplake est une AI Data Runtime pour Agents. Elle fournit un Postgres sans serveur avec un datalake multimodal, permettant une récupération et un entraînement scalables.
🧑🚀 Résumé des meilleures ressources LLM au monde (Génération multimodale, Agents, Programmation assistée, Revue par IA, Traitement des données, Entraînement des modèles, Inférence des modèles, Modèle o1, MCP, Petits modèles de langage, Modèles de langage visuel) | Summary of the world's best LLM resources.
Un plan d'apprentissage trilingue (chinois traditionnel / anglais / chinois simplifié) pour l'IA agentique : des bases des LLM aux systèmes multi-agents, avec plus de 240 ressources sélectionnées et exemples pratiques.
Application privée et locale d'IA pour la gestion des connaissances personnelles des personnes à forte entropie.
Alternative Open Source de Recherche Approfondie à Reason et Search sur les Données Privées. Écrit en Python.
Système d'extraction d'IA de pointe prêt pour la production. Génération augmentée par récupération agentique (RAG) avec une API RESTful.
Préversion d’ODS V3 : tests publics et améliorations avant le lancement officiel de V3. Transformez votre PC, Mac ou machine Linux en serveur d’IA privé.
LLM Zoomcamp - un cours en ligne gratuit sur les applications réelles des LLM. En 10 semaines, vous apprendrez à créer un système d'IA qui répond aux questions sur votre base de connaissances. Inscrivez-vous ici 👇🏼
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.
Partage de connaissances sur les grands modèles que tout le monde peut comprendre, à voir absolument avant les entretiens de printemps/automne pour les LLM, pour que vous puissiez discuter avec les intervieweurs.