#retrieval Dépôts
Découvrez 32 dépôts GitHub open source actifs associés à #retrieval, cumulant 103,199 étoiles au total (soit une moyenne de 3,224 étoiles par projet). Le projet en tête de ce thème est VectifyAI/PageIndex, avec 40,634 étoiles.
32 dépôts au total
📑 PageIndex : Index de Document pour RAG basé sur le raisonnement sans vecteur
Recherche de code rapide et précise pour les agents. Utilise 99 % de jetons en moins que grep+read
Moteur de mémoire à long terme pour les agents d’IA — Markdown brut comme source de référence, récupération locale classée et couche de gestion indépendante exécutée pendant les périodes d’inactivité. Claude Code et Codex partagent un même espace de stockage. Aucune clé API requise.
[ICML'26] SimpleMem : mémoire permanente efficace pour les agents LLM — texte et multimodal
Serveur d'inférence open source et cluster de production pour tous les modèles dont votre agent a besoin.
MTEB : Évaluation de pointe des embeddings à travers les langues et les modalités
Bibliothèque Python rapide, précise et légère pour créer des embeddings de pointe
Mémoire à long terme basée sur le profil utilisateur pour les applications de chatbot IA.
Apache Lucene.NET est une bibliothèque de recherche en texte intégral open source écrite en C#, portée depuis le projet Apache Lucene.
Un benchmark hétérogène pour la recherche d'informations. Facile à utiliser, évaluez vos modèles sur plus de 15 jeux de données IR diversifiés.
L'implémentation officielle de RAPTOR : Traitement Abstrait Récursif pour la Recherche Structurée en Arborescence
OpenResearcher : Un pipeline entièrement ouvert pour la synthèse de trajectoires de recherche approfondie à long terme
CLI ouvert pour intégrer la recherche, la recommandation et la récupération conversationnelle de l'IA dans les systèmes d'agents et les systèmes d'entreprise
Bibliothèque Rust pour générer des plongements vectoriels et réordonner localement !
Une implémentation officielle pour "CLIP4Clip: Une étude empirique de CLIP pour la recherche de clips vidéo de bout en bout"
La couche de récupération pour les systèmes d'IA en production. Recherche ultra-rapide (<10 ms) sans bases de données vectorielles. Conçue pour le navigateur, l'edge, l'appareil et le cloud.
Une base de données vectorielle haute performance exploitant le calcul parallèle sur graphes
Neum AI est un framework de premier ordre pour gérer la création et la synchronisation d'incorporations vectorielles à grande échelle.
[Pytorch] Modèle de récupération générative utilisant des identifiants sémantiques issus de "Recommender Systems with Generative Retrieval"
Utilisez des modèles multimodaux à interaction tardive tels que ColPali en quelques lignes de code.
Moteur de recherche ancré (c'est-à-dire avec référence à la source) basé sur LLM / ChatGPT / API OpenAI. Il prend en charge la recherche sur le Web, la recherche de contenu de fichiers, etc.
🔥 Rankify : Une boîte à outils Python complète pour la récupération, le re-classement et la génération augmentée par récupération 🔥. Notre boîte à outils intègre 40 ensembles de données de référence pré-récupérés et prend en charge plus de 7 techniques de récupération, 24+ modèles de re-classement de pointe et plusieurs méthodes RAG.
Réduction d’environ 97 % des tokens pour les sessions de programmation avec IA — zéro dépendance, 38 langues, serveur MCP
Framework RAG facile à utiliser ; Solution du Top 3 du défi international CCF AIOps 2024 ; Solution de l'équipe gagnante du défi international CCF AIOps 2024
Utilisez ArXiv ChatGuru pour discuter avec des articles de recherche. Cette application utilise LangChain, OpenAI, Streamlit et Redis comme base de données vectorielle/cache sémantique.
Récupérer, Lire et Lier : Liaison d'entités et extraction de relations rapides et précises avec un budget académique (ACL 2024)
Foire aux questions
Quel est le dépôt #retrieval le plus populaire sur GitHub ?
Le projet #retrieval open source le mieux classé sur GitHub est VectifyAI/PageIndex, avec 40,634 étoiles. 📑 PageIndex : Index de Document pour RAG basé sur le raisonnement sans vecteur
Quels langages de programmation sont les plus utilisés dans les dépôts #retrieval ?
Parmi les projets #retrieval les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, C#, TypeScript.
Comment le classement des dépôts #retrieval est-il calculé ?
Nous suivons 32 dépôts open source actifs associés à #retrieval (500+ étoiles), totalisant 103,199 étoiles, avec une moyenne de 3,224 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.