#rag Dépôts
550 dépôts au total
Une collection curated de papiers de recherche sur les agents IA publiés en 2026, couvrant l'ingénierie des agents, la mémoire, l'évaluation, les workflows et les systèmes autonomes.
Construisez des systèmes d'agents. Exécutez-les en toute confiance. Orchestrez vos agents, automatisez vos processus métier, inspectez chaque exécution et gardez le contrôle humain. Déployez Heym sur votre propre infrastructure.
Oui, c'est une autre implémentation de discussion sur des documents... mais celle-ci est entièrement locale !
Recherche plein texte YouTube - Recherchez tout YouTube depuis la ligne de commande
WFGY se dirige vers WFGY 5.0 Polaris Protocol, une importante version open-source pour le raisonnement IA, RAG, agents et flux de travail du monde réel. Inclut Problem Map, Global Debug Card, WFGY 4.0 et l'œuf de Pâques CFV.
Un référentiel de cours basé sur des projets pour développer des agents IA en utilisant LangChain v1+ et LangGraph : agents de recherche, systèmes RAG, agents de réflexion et interprètes de code.
Créer des grands modèles linguistiques qui comprennent les relations humaines | Tutoriels complets sur l'ingénierie des invites, le RAG, les agents et le réglage fin des LLM
Implémentation open source du Wiki LLM de Karpathy. Téléchargez des documents, connectez votre compte Claude via MCP et laissez-le écrire votre wiki !
Collecte d'articles exceptionnels sur RAG pour AIGC. Nous proposons une taxonomie des fondations, des améliorations et des applications de RAG dans l'article "Retrieval-Augmented Generation for AI-Generated Content: A Survey".
Agentic-RAG explore des systèmes avancés de génération augmentée par récupération (Retrieval-Augmented Generation) améliorés avec des agents IA LLM.
Moteur d’analyse multimodale tout-en-un + moteur de connaissances prêt pour l’IA, fondé sur une ontologie et piloté par un wiki LLM
Parcours d’apprentissage full-stack et tutoriels en chinois sur les grands modèles de langage (LLM) 🔥 : couvrant le Prompt Engineering, le RAG, les agents IA, le MCP, le fine-tuning, le déploiement de modèles, les Transformers, la programmation avec l’IA et les entretiens dans les grandes entreprises technologiques, de l’initiation à la mise en pratique en production.
Trench — Infrastructure d'analyse open-source. Une seule image Docker prête pour la production, basée sur ClickHouse, Kafka et Node.js pour le suivi des événements. Créez facilement des tableaux de bord d'analyse de produit, des RAG LLM, des plateformes d'observabilité ou tout autre produit d'analyse.
Les agents backend sont construits avec : une base de données multimodale, une orchestration et un service dans un seul fichier
Extraction de données non structurées, rapide et efficace. Écrit en Rust avec des liaisons pour de nombreuses langues.
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.
Une API unifiée, légère et à faible dépendance pour utiliser tous les modèles courants de réordonnancement et de cross-encoder.
Un espace de travail IA d'entreprise pour le routage de modèles, le chat multimodal, les fichiers, les outils, la facturation, l'identité et les opérations.
Ce dépôt fournit une solution avancée de génération augmentée par récupération (RAG) pour la réponse à des questions complexes. Il utilise un algorithme sophistiqué basé sur des graphes pour gérer les tâches.
WikiChat est un RAG amélioré. Il arrête l'hallucination des grands modèles linguistiques en récupérant des données à partir d'un corpus.
[EMNLP 2025 Oral] MemoryOS est conçu pour fournir un système d'exploitation de mémoire pour les agents d'IA personnalisés.
Recherche Web auto-hébergée pour les agents d’IA et le SEO. Google, Bing, Yandex, Baidu, DuckDuckGo et Ecosia, affichés dans un véritable navigateur : résultats classés et Markdown propre des pages. API, CLI, MCP 🎉
Framework d'agents vidéo IA pour les interactions et flux de travail vidéo de nouvelle génération.
Plateforme d’agents à code source disponible pour les entreprises internationales et chinoises : connectez tous vos systèmes via un noyau d’agents unique. Auto-hébergée, compatible avec tout LLM.
Une interface de chat LLM tout-en-un pour Mac Apple Silicon utilisant le framework MLX.
Une base de connaissances légère pour les personnes et les agents, avec une indexation ultra-rapide et une récupération extrêmement précise.
Service client open source prêt pour la production avec Evals et surveillance intégrés
Une boîte à outils pour créer une configuration de génération augmentée par récupération (RAG) optimale et prête pour la production pour vos données
Ce dépôt contient des exemples destinés aux clients pour commencer à utiliser le service Amazon Bedrock. Il contient des exemples pour tous les modèles fondamentaux disponibles.
Arkon : Hub de connaissances IA d'entreprise et serveur MCP. Base de connaissances auto-hébergée permettant aux équipes de gérer les contextes RAG, les politiques d'accès et les compétences en IA. Connectez Claude et d'autres LLM via le protocole MCP (Model Context Protocol) pour une intégration automatisée et sécurisée des connaissances organisationnelles.
Liste de logiciels permettant de rechercher sur le web avec l'aide de l'IA : https://hf.co/spaces/felladrin/awesome-ai-web-search
L'implémentation officielle de RAPTOR : Traitement Abstrait Récursif pour la Recherche Structurée en Arborescence
Ce projet a conçu et mis en œuvre un système de questions-réponses médicales intelligent basé sur le RAG (Retrieval-Augmented Generation) par graphe de connaissances et les grands modèles de langage. En utilisant le jeu de données médical DiseaseKG et Neo4j, le système construit un graphe de connaissances spécialisé comprenant 44 000 entités et 310 000 relations. En combinant la reconnaissance d'entités nommées BERT et la reconnaissance d'intention par un modèle 32B, le système atténue efficacement les hallucinations des grands modèles dans les scénarios médicaux grâce à une recherche précise dans le graphe et une génération de réponses contrôlée, améliorant ainsi considérablement la précision et la fiabilité des réponses.
Dépôt officiel pour "TheoremExplainAgent: Towards Video-based Multimodal Explanations for LLM Theorem Understanding" [ACL 2025 oral]
Un système de configuration d'agents conversationnels de questions-réponses, des solutions de déploiement auto-hébergées et un SDK d'application tout-en-un pratique, vous permettant de créer des bots de questions-réponses intelligents pour vos dépôts GitHub
Ragflow-Plus est une version de développement secondaire de Ragflow, la rendant plus concise et pratique
Un ensemble de notebooks et d'autres fichiers qui peuvent vous aider à apprendre l'IA en partant de zéro.
Korvus est un SDK de recherche qui unifie l'intégralité du pipeline RAG en une seule requête de base de données. Construit sur Postgres avec des liaisons pour Python, JavaScript, Rust et C.
Un serveur de mémoire à long terme léger, réversible et visuel pour les agents MCP. Dites adieu au Vector RAG et à l'amnésie. Donnez à votre IA une mémoire persistante et structurée comme un graphe, compatible avec n'importe quel modèle, session ou outil. Remplacement direct pour OpenClaw.
😎 Génial liste d'applications de génération augmentée par récupération (RAG) en IA générative.
Plateforme d’applications d’IA (chat, dessin, base de connaissances, flux de travail, marché de services MCP, entrée et sortie vocales, mémoire à long terme)