#vector-embeddings Repository
Scopri 16 repository GitHub open source attivi contrassegnati con #vector-embeddings, che raccolgono un totale di 17,649 stelle (con una media di 1,103 stelle per progetto). Il progetto leader di questo argomento è giancarloerra/SocratiCode, con 3,382 stelle.
16 repository in totale
Intelligenza del codice enterprise-grade (40m+ LOC), zero-setup, locale e privato Plugin/Skill/Extension o MCP: ricerca semantica ibrida, grafi di dipendenze poliglotta, analisi di impatto a livello di simbolo & call-flow, visualizzatore HTML interattivo, ricerca cross-progetto e consapevole dei branch, conoscenza DB/API/infra. 61% token in meno, 84% chiamate in meno, 37x più veloce. Cloud in beta.
Il SDK AI di Laravel offre un'API unificata e espressiva per interagire con fornitori di IA come OpenAI, Anthropic, Gemini e altri.
utilità per decodificare rappresentazioni profonde (come embedding di frasi) nuovamente in testo
Esploratore visivo del dataset di articoli di ricerca LAION 🔬 🧑🔬 👩🔬
Livello di memoria condiviso in un singolo file per tutti i tuoi agenti, RAG in meno di un millisecondo su testo, foto e video su Apple Silicon. Nessun server. Nessuna API. Un file. Swift puro.
Un lettore assistito dall'IA, con un design a tre colonne che consente l'interazione simultanea di note, lettura e conversazione sullo stesso schermo, rendendo la lettura approfondita più efficiente.
Context Portal (ConPort): Un server MCP (Memory Bank) che crea un knowledge graph specifico per il progetto per potenziare gli assistenti AI. Abilita potenti generazione aumentata del recupero (RAG) per uno sviluppo consapevole del contesto nella tua IDE.
Un SDK per lavorare con LLM e Agenti di IA da Apache Airflow, basato su Pydantic AI
Trasforma le tue immagini e i tuoi video in una base di conoscenza personale
🔎 SimilaritySearchKit è un pacchetto Swift che fornisce funzionalità di incorporamento del testo su dispositivo e ricerca semantica per applicazioni iOS e macOS.
Domande frequenti
Qual è il repository #vector-embeddings più popolare su GitHub?
Il progetto open source #vector-embeddings più alto in classifica su GitHub è giancarloerra/SocratiCode, con 3,382 stelle. Intelligenza del codice enterprise-grade (40m+ LOC), zero-setup, locale e privato Plugin/Skill/Extension o MCP: ricerca semantica ibrida, grafi di dipendenze poliglotta, analisi di impatto a livello di simbolo & call-flow, visualizzatore HTML interattivo, ricerca cross-progetto e consapevole dei branch, conoscenza DB/API/infra. 61% token in meno, 84% chiamate in meno, 37x più veloce. Cloud in beta.
Quali linguaggi di programmazione sono più utilizzati nei repository #vector-embeddings?
Tra i progetti #vector-embeddings più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, TypeScript, Swift, Jupyter Notebook.
Come viene calcolata la classifica dei repository #vector-embeddings?
Monitoriamo 16 repository open source attivi contrassegnati con #vector-embeddings (500+ stelle), per un totale di 17,649 stelle e una media di 1,103 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.