#hybrid-search Repository
Scopri 22 repository GitHub open source attivi contrassegnati con #hybrid-search, che raccolgono un totale di 175,935 stelle (con una media di 7,997 stelle per progetto). Il progetto leader di questo argomento è meilisearch/meilisearch, con 59,951 stelle.
22 repository in totale
Un'API per motore di ricerca fulmineamente veloce che porta la ricerca ibrida potenziata dall'IA sui tuoi siti e applicazioni.
Qdrant – Database vettoriale e motore di ricerca vettoriale ad alte prestazioni e su larga scala per la prossima generazione di IA. Disponibile anche nel cloud https://cloud.qdrant.io/
Motore di ricerca IA e server MCP per bot e agenti. Un unico binario Rust indicizza codice, documenti, log, file JSONL/CSV e PDF per la ricerca full-text BM25, vettoriale e ibrida, la ricerca di codice senza grep, la memoria degli agenti e il RAG. API compatibile con Elasticsearch; Corpus Hub offre centinaia di corpora di memoria di riferimento.
Weaviate è un database vettoriale open-source che memorizza sia oggetti che vettori, consentendo la combinazione di ricerca vettoriale con filtraggio strutturato con la tolleranza ai guasti e la scalabilità di un database nativo del cloud.
Un Postgres per i dati della tua applicazione, ricerca full-text, recupero vettoriale e aggregazioni. La casa dell'estensione pg_search.
Il tuo assistente bibliotecario personale. Chiedigli qualsiasi cosa sul tuo computer, organizza i file e fagli ricordare informazioni e file importanti.
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.
Il livello di contesto open source per agenti IA e ricerca IA aziendale. Ricerca che rispetta le autorizzazioni e risposte con citazioni su oltre 30 fonti, tra cui Slack, Drive, Jira, GitHub e Microsoft 365, per persone e agenti tramite MCP, SDK e agenti integrati. In hosting autonomo o nel cloud.
Il database di ricerca nativo AI. Ideale per l'archiviazione degli agenti, unifica dati vettoriali, testuali, strutturati e semi-strutturati in un unico motore. Questo database tutto-in-uno rende gli agenti più intelligenti, più facili da eseguire e più stabili.
Un livello di memoria persistente e unificato per tutti i tuoi agenti IA (es. Claude Code, Codex, DSH), supportato da Markdown e Milvus.
SeekStorm: ricerca vettoriale e lessicale - libreria in-process e server multi-tenant, in Rust.
Un database vettoriale multi-modale che supporta upsert e query vettoriali utilizzando SQL unificato (compatibile con MySQL) su dati strutturati e non strutturati, soddisfacendo al contempo i requisiti di alta concorrenza e latenza ultra-bassa.
Endee.io – Un database vettorial ad alte prestazioni, progettato per gestire fino a 1B di vettori su un singolo nodo, offrendo significativi miglioramenti delle prestazioni grazie a indicizzazione ed esecuzione ottimizzate. Disponibile anche su cloud https://endee.io/
Riordinamento leggero e superveloce per le tue pipeline di ricerca e recupero. Supporta riordini Listwise e Pairwise SoTA basati su LLM e cross-encoder e altro ancora. Creato da Prithivi Da, aperto a PR e collaborazioni.
Riferimento RAG Python trasparente con recupero ibrido FAISS + BM25, reranking, interfaccia utente Gradio e FastAPI.
Il livello di recupero per sistemi AI in produzione. Ricerca fulminea (<10 ms) senza database vettoriali. Progettato per browser, edge, dispositivo e cloud.
Database embeddabile, in memoria, orientato ai documenti con interfaccia Query builder di alto livello.
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.
Knowledge base RAG aziendale con priorità al cinese: analisi controllabile, governance, suddivisione in chunk, recupero ibrido, reranking, citazioni, grafi della conoscenza, valutazione e integrazione con Dify.
VectorRAG.Net è una libreria di database vettoriali ad alte prestazioni nativa .NET per la ricerca semantica e la RAG (Retrieval-Augmented Generation). La ricerca principale si basa sulla generazione di candidati tramite LSH a iperpiano casuale con riordinamento esatto tramite prodotto scalare/coseno.
Domande frequenti
Qual è il repository #hybrid-search più popolare su GitHub?
Il progetto open source #hybrid-search più alto in classifica su GitHub è meilisearch/meilisearch, con 59,951 stelle. Un'API per motore di ricerca fulmineamente veloce che porta la ricerca ibrida potenziata dall'IA sui tuoi siti e applicazioni.
Quali linguaggi di programmazione sono più utilizzati nei repository #hybrid-search?
Tra i progetti #hybrid-search più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Rust, C++, Go.
Come viene calcolata la classifica dei repository #hybrid-search?
Monitoriamo 22 repository open source attivi contrassegnati con #hybrid-search (500+ stelle), per un totale di 175,935 stelle e una media di 7,997 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.