#embedding Repository
Scopri 27 repository GitHub open source attivi contrassegnati con #embedding, che raccolgono un totale di 186,844 stelle (con una media di 6,920 stelle per progetto). Il progetto leader di questo argomento è chatchat-space/Langchain-Chatchat, con 38,712 stelle.
27 repository in totale
Langchain-Chatchat (precedentemente Langchain-ChatGLM), LLM basato sulla conoscenza locale (come ChatGLM, Qwen e Llama) RAG e app Agent con Langchain | Langchain-Chatchat (precedentemente langchain-ChatGLM), LLM basato sulla conoscenza locale (come ChatGLM, Qwen e Llama) RAG e app Agent con Langchain
TencentDB Agent Memory è un hub di memoria a livello di squadra per Agenti AI, che trasforma conversazioni, documenti e codice in quattro risorse di memoria riutilizzabili (Chat Memory, Skill, LLM-Wiki, Code-Graph) che vengono governate, condivise e dotate tra agenti e framework.
Un indice vettoriale costruito su TurboQuant, scritto in Rust con binding Python
Utilizza PEFT o l’addestramento con tutti i parametri per CPT/SFT/DPO/GRPO su oltre 600 LLM (Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) e oltre 300 MLLM (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4, ...) (AAAI 2025).
🔍Sviluppo pratico di applicazioni con modelli di grandi dimensioni Parte 1: Guida full stack alla tecnologia RAG, indirizzo di lettura online: https://datawhalechina.github.io/all-in-rag/
Libreria LLM e SLM facile da usare e potente con un eccezionale zoo di modelli.
Ricerca codice MCP per Claude Code. Rendi l'intera codebase il contesto per qualsiasi agente di codifica.
Embedding Atlas è uno strumento che fornisce visualizzazioni interattive per grandi embedding. Ti permette di visualizzare, filtrare incrociato e cercare embedding e metadati.
Il database AI-native, costruito per applicazioni LLM, che fornisce una ricerca ibrida incredibilmente veloce di vettori densi, vettori sparsi, tensori (multi-vettore) e testo completo.
Un modo guidato dalla community per leggere e chattare con i bot AI, alimentato da chatGPT.
🔍 Esporta e cerca in modo approssimativo la cronologia delle chat di Telegram | Export and fuzzy search your Telegram chat history
Framework dati per le tue applicazioni LLM. Focalizzato sulla soluzione lato server.
Piattaforma all-in-one per ricerca, raccomandazioni, RAG e analisi offerta tramite API
Una lista curata di articoli di ricerca sulla rilevazione di comunità con implementazioni.
Esegui modelli AI localmente sulla tua macchina con binding Node.js per llama.cpp. Applica uno schema JSON all'output del modello a livello di generazione.
Un fork di @ClickHouse che supporta la ricerca vettoriale ad alte prestazioni e la ricerca full-text.
ChatWeb può eseguire lo spidering di pagine web, leggere PDF, DOCX, TXT ed estrarre il contenuto principale, quindi rispondere alle tue domande in base al contenuto o riassumere i punti chiave.
CLI di intelligence del codice basata su Rust per agenti di codifica AI. Costruisce grafi di chiamata e indici di ricerca semantica ibrida (Denso + Sparso + RRF + Reranker) in 7 linguaggi. Viene fornito come strumento MCP nativo per Claude Code e Codex CLI.
Questo repository contiene il codice per "VLM2Vec / MMEB" [ICLR 2025], "VLM2Vec-V2 / MMEB-V2" [TMLR 2026] e "MMEB-V3" [COLM 2026]
ACG2vec (Anime Comics Games to vector) si impegna a creare un playground che combina ACG e apprendimento profondo. (Ricerca semantica di testo, ricerca per immagini, ricerca semantica di immagini, super-risoluzione di immagini, sistemi di raccomandazione)
Domande frequenti
Qual è il repository #embedding più popolare su GitHub?
Il progetto open source #embedding più alto in classifica su GitHub è chatchat-space/Langchain-Chatchat, con 38,712 stelle. Langchain-Chatchat (precedentemente Langchain-ChatGLM), LLM basato sulla conoscenza locale (come ChatGLM, Qwen e Llama) RAG e app Agent con Langchain | Langchain-Chatchat (precedentemente langchain-ChatGLM), LLM basato sulla conoscenza locale (come ChatGLM, Qwen e Llama) RAG e app Agent con Langchain
Quali linguaggi di programmazione sono più utilizzati nei repository #embedding?
Tra i progetti #embedding più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, TypeScript, Rust, C++.
Come viene calcolata la classifica dei repository #embedding?
Monitoriamo 27 repository open source attivi contrassegnati con #embedding (500+ stelle), per un totale di 186,844 stelle e una media di 6,920 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.