#vector-databases Repository
Scopri 46 repository GitHub open source attivi contrassegnati con #vector-databases, che raccolgono un totale di 222,686 stelle (con una media di 4,841 stelle per progetto). Il progetto leader di questo argomento è redis/redis, con 77,583 stelle.
46 repository in totale
Per gli sviluppatori che stanno costruendo applicazioni basate su dati in tempo reale, Redis è la cache preferita, più veloce e con le funzionalità più ricche, server di strutture dati, e motore di query per documenti e vettori.
Una raccolta di quaderni/ricette che mostrano alcuni modi divertenti ed efficaci di usare Claude.
Genera romanzi lunghi con più capitoli utilizzando l'IA, collegando automaticamente il contesto e gli indizi
Compagni AI con memoria: uno stack leggero per creare e ospitare i tuoi compagni AI
Uno stack di avvio di intelligenza artificiale Javascript per progetti del fine settimana, inclusi modelli di immagini/testo, archivi vettoriali, autenticazione e configurazioni di distribuzione
Esegui tutte le tue IA locali insieme in un unico pacchetto: Ollama, Supabase, n8n, Open WebUI e altro ancora!
Un elenco curato di oltre 100 librerie e framework per ingegneri AI che costruiscono con LLM
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.
Progetti e Risorse per aiutarti a diventare un migliore sviluppatore AI.
Domande di colloquio per posizioni di algoritmi di grandi modelli (con risposte): domande frequenti e analisi dei concetti "Domande di colloquio su grandi modelli", "Colloquio per posizioni di algoritmi", "Domande frequenti ai colloqui", "Colloquio su algoritmi di grandi modelli", "Basi delle applicazioni di grandi modelli"
Questo repository contiene domande di intervista LLM (Large Language Model) poste in aziende leader come Google, Nvidia, Meta, Microsoft e aziende Fortune 500.
Tutti i link, i libri e i creatori di cui hai bisogno per rimanere aggiornato sull'IA!
Questo è un repository pubblico per esaminare tutti i concetti di data engineering guidati da LLM.
Un tutorial Langchain RAG migliorato (v2) con LLM locali, aggiornamenti del database e test.
Programma di addestramento per matricole del Laboratorio di Archiviazione e Calcolo Distribuito dell'Università di Scienza e Tecnologia Elettronica
Questo è un tutorial multi-agente basato sul framework CAMEL, volto a comprendere come costruire una Società di Agenti da zero!
Una raccolta di web app open source attivamente mantenute per applicazioni LLM
Applicazione Full Stack per il recupero di dati azionari e notizie utilizzando LLM, LangChain e LangGraph
Framework rag generico per applicare la potenza degli LLM a qualsiasi set di dati
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.
Server MCP per la memoria a lungo termine dell'agente con Mem0. Utile anche come modello per iniziare a creare il tuo server MCP con Python!
Knowledge Table è un pacchetto open-source progettato per semplificare l'estrazione e l'esplorazione di dati strutturati da documenti non strutturati.
Una roadmap che descrive le competenze richieste, le risorse di apprendimento e gli strumenti di esempio per diventare un ingegnere AI
Domande frequenti
Qual è il repository #vector-databases più popolare su GitHub?
Il progetto open source #vector-databases più alto in classifica su GitHub è redis/redis, con 77,583 stelle. Per gli sviluppatori che stanno costruendo applicazioni basate su dati in tempo reale, Redis è la cache preferita, più veloce e con le funzionalità più ricche, server di strutture dati, e motore di query per documenti e vettori.
Quali linguaggi di programmazione sono più utilizzati nei repository #vector-databases?
Tra i progetti #vector-databases più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, TypeScript, C.
Come viene calcolata la classifica dei repository #vector-databases?
Monitoriamo 46 repository open source attivi contrassegnati con #vector-databases (500+ stelle), per un totale di 222,686 stelle e una media di 4,841 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.