#faiss Repository
Scopri 29 repository GitHub open source attivi contrassegnati con #faiss, che raccolgono un totale di 185,123 stelle (con una media di 6,383 stelle per progetto). Il progetto leader di questo argomento è milvus-io/milvus, con 46,712 stelle.
29 repository in totale
Milvus è un database vettoriale ad alte prestazioni e nativo del cloud, costruito per la ricerca ANN vettoriale scalabile.
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
Un indice vettoriale costruito su TurboQuant, scritto in Rust con binding Python
Livello di memoria per Agenti IA. Sostituisci complesse pipeline RAG con un livello di memoria serverless a file singolo. Dai ai tuoi agenti recupero istantaneo e memoria a lungo termine.
[Miglior articolo MLsys2026]: https://arxiv.org/abs/2506.08276. RAG su tutto con LEANN. Goditi un risparmio di spazio di archiviazione del 97% mentre esegui un'applicazione RAG veloce, accurata e privata al 100% sul tuo dispositivo personale.
Un grafo di prossimità per la ricerca vettoriale, i prodotti sparsi e l’attenzione su RAM, VRAM e NVMe, applicato a vettori densi, sequenze, forme e insiemi geospaziali in 14 lingue 🔍
AdalFlow: La libreria per creare e ottimizzare automaticamente le applicazioni LLM.
Questo repository contiene varie tecniche avanzate per sistemi di Retrieval-Augmented Generation (RAG).
Ricerca vettoriale scalabile, a bassa latenza e abilitata per l'ibrido in Postgres. Rivoluziona la ricerca vettoriale, non il database.
Ricerca semantica. Cerca foto e video locali tramite linguaggio naturale. Ricerca semantica AI di materiale locale. Cerca per immagine, trova materiale locale, abbina scene tramite descrizioni testuali, ricerca frame video, cerca video tramite descrizioni di scene.
CORTEX RAG è un assistente aziendale di recupero e conoscenza che aiuta i team a trovare risposte accurate dai dati aziendali con citazioni, recupero sensibile alle autorizzazioni e distribuzione rapida.
Risparmio token del 95%. Query 155 volte più veloci. 16 lingue. I LLM non riescono a leggere l’intero codice. TLDR estrae la struttura, traccia le dipendenze e offre loro esattamente ciò di cui hanno bisogno.
Ricerca su larga scala di immagini simili basata sulla corrispondenza di punti caratteristici
Riferimento RAG Python trasparente con recupero ibrido FAISS + BM25, reranking, interfaccia utente Gradio e FastAPI.
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.
Somiglianze: Un toolkit per il calcolo della similarità e la ricerca semantica. Toolkit di calcolo della similarità e ricerca di corrispondenze, supporta miliardi di dati per la ricerca testo-testo, testo-immagine, immagine-immagine, sviluppato in Python 3, pronto all'uso.
Crea automaticamente indici Faiss knn con i parametri di ricerca della somiglianza più ottimali.
Strumento basato su RAG per l'indicizzazione e la ricerca di dati testuali PDF utilizzando l'API di OpenAI e l'indice FAISS (Facebook AI Similarity Search), progettato per un rapido recupero delle informazioni e una superiore accuratezza della ricerca.
Incorpora, raggruppa ed etichetta semanticamente set di dati di testo con facilità
Un sistema di classificazione flessibile e adattivo per la classificazione dinamica del testo
Domande frequenti
Qual è il repository #faiss più popolare su GitHub?
Il progetto open source #faiss più alto in classifica su GitHub è milvus-io/milvus, con 46,712 stelle. Milvus è un database vettoriale ad alte prestazioni e nativo del cloud, costruito per la ricerca ANN vettoriale scalabile.
Quali linguaggi di programmazione sono più utilizzati nei repository #faiss?
Tra i progetti #faiss più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Rust, C++, Jupyter Notebook.
Come viene calcolata la classifica dei repository #faiss?
Monitoriamo 29 repository open source attivi contrassegnati con #faiss (500+ stelle), per un totale di 185,123 stelle e una media di 6,383 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.