#vector-search Repository
Scopri 109 repository GitHub open source attivi contrassegnati con #vector-search, che raccolgono un totale di 868,793 stelle (con una media di 7,970 stelle per progetto). Il progetto leader di questo argomento è ruvnet/ruflo, con 82,196 stelle.
109 repository in totale
🌊 Il framework originale per agenti. Distribuisci sciami intelligenti multi-agente, coordina flussi di lavoro autonomi e crea sistemi di IA conversazionale. Include memoria adattiva, intelligenza autoapprendente, federazione, integrazione RAG vettoriale e supporto nativo per Claude Code / Codex / Hermes e molti altri strumenti integrati
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.
Un'API per motore di ricerca fulmineamente veloce che porta la ricerca ibrida potenziata dall'IA sui tuoi siti e applicazioni.
Milvus è un database vettoriale ad alte prestazioni e nativo del cloud, costruito per la ricerca ANN vettoriale scalabile.
Piattaforma open-source per la conoscenza LLM: trasforma documenti grezzi in un RAG interrogabile, un agente di ragionamento autonomo e un Wiki auto-mantenuto.
SeaweedFS è un sistema di archiviazione distribuito per l’archiviazione di oggetti (S3), i file system, i bucket di tabelle Iceberg e i bucket di vettori Lance, progettato per gestire miliardi di file con accesso al disco O(1) e una facile scalabilità orizzontale.
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/
Piattaforma AI Open Source – AI Chat con funzionalità avanzate che funziona con ogni LLM
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.
Il miglior strumento AI per creare curriculum, PDF, lettere di presentazione e altro, localmente con supporto per oltre 100 LLM.
Alternativa open source a Algolia + Pinecone e un'alternativa più facile da usare a ElasticSearch ⚡ 🔍 ✨ Motore di ricerca veloce, tollerante agli errori di battitura, in memoria fuzzy per creare esperienze di ricerca deliziose
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.
Un indice vettoriale costruito su TurboQuant, scritto in Rust con binding Python
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.
[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.
Framework AI all-in-one per la ricerca semantica, l'orchestrazione LLM e i flussi di lavoro dei modelli linguistici
Una moderna libreria di indicizzazione testuale/numerica/geo-spaziale/vettoriale per Go
Un motore di ricerca completo e una pipeline RAG nel tuo browser, server o rete edge con supporto per la ricerca full-text, vettoriale e ibrida in meno di 2 KB.
OceanBase è il database distribuito unificato per l'era dell'IA: open-source, multimodello, un unico motore per i tuoi carichi di lavoro più impegnativi.
MemoryBear: Equipa l'IA con capacità di memoria simile a quella umana
Un Postgres per i dati della tua applicazione, ricerca full-text, recupero vettoriale e aggregazioni. La casa dell'estensione pg_search.
Data Agent Ready Warehouse: Uno per Analytics, Ricerca, IA, Sandbox Python. — ricostruito da zero. Architettura unificata sul tuo S3.
Cache semantico per LLM. Completamente integrato con LangChain e llama_index.
LLM Zoomcamp: un corso online gratuito sulle applicazioni reali degli LLM. In 10 settimane imparerai a creare un sistema di intelligenza artificiale che risponde a domande sulla tua base di conoscenza. Registrati qui 👇🏼
Apache Pinot: un database di analisi in tempo reale per query SQL a bassa latenza e ricerca vettoriale, al servizio di applicazioni rivolte a utenti e agenti
Motore di ricerca testuale/vettoriale in Go, open source, distribuito, semplice, rapido ed efficiente
Superduper: Framework end-to-end per la creazione di applicazioni e agenti AI personalizzati.
Una libreria distribuita per la ricerca approssimativa del vicinato più vicino (ANN) che fornisce kit di strumenti di alta qualità per la costruzione di indici vettoriali, ricerca e servizio online distribuito per scenari di ricerca vettoriale su larga scala.
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 motore di memoria cognitiva bio-ispirato — un nuovo paradigma per Graph RAG.
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 🔍
Ricerca local-first in tutto il tuo spazio di lavoro, progettata per le persone e gli agenti di IA.
ColBERT: ricerca neurale all'avanguardia (SIGIR'20, TACL'21, NeurIPS'21, NAACL'22, CIKM'22, ACL'23, EMNLP'23)
Utilizza e addestra facilmente metodi di recupero all'avanguardia con interazione tardiva (ColBERT) in qualsiasi pipeline RAG. Progettato per modularità e facilità d'uso, supportato dalla ricerca.
Server di inferenza open source e cluster di produzione per tutti i modelli di cui il tuo agente ha bisogno.
OP Vault ChatGPT: Dai a ChatGPT una memoria a lungo termine usando l'OP Stack (OpenAI + Pinecone Vector Database). Carica i tuoi file personalizzati di base della conoscenza (PDF, txt, epub, ecc.) utilizzando un semplice frontend React.
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.
Estensione di Postgres per la ricerca vettoriale (DiskANN), che integra pgvector per prestazioni e scalabilità. Licenza OSS di Postgres.
Strumenti open-source per il test e la sperimentazione di prompt, con supporto sia per LLM (ad es. OpenAI, LLaMA) sia per database vettoriali (ad es. Chroma, Weaviate, LanceDB).
Jupyter Notebooks per aiutarti a mettere le mani sui database vettoriali di Pinecone
Un nuovo SOTA per RAG: un'architettura di recupero originale e una base di conoscenza open source per umani e agenti.
Lettore di e-book multipiattaforma basato su IA con ricerca semantica, chat RAG, archivio vettoriale locale, note, TTS e sincronizzazione WebDAV.
Piattaforma all-in-one per ricerca, raccomandazioni, RAG e analisi offerta tramite API
🚀 Una libreria efficiente di collezioni di algoritmi per la ricerca approssimata del vicino più prossimo scritta in Rust 🦀 .
Domande frequenti
Qual è il repository #vector-search più popolare su GitHub?
Il progetto open source #vector-search più alto in classifica su GitHub è ruvnet/ruflo, con 82,196 stelle. 🌊 Il framework originale per agenti. Distribuisci sciami intelligenti multi-agente, coordina flussi di lavoro autonomi e crea sistemi di IA conversazionale. Include memoria adattiva, intelligenza autoapprendente, federazione, integrazione RAG vettoriale e supporto nativo per Claude Code / Codex / Hermes e molti altri strumenti integrati
Quali linguaggi di programmazione sono più utilizzati nei repository #vector-search?
Tra i progetti #vector-search più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Rust, TypeScript, Go.
Come viene calcolata la classifica dei repository #vector-search?
Monitoriamo 109 repository open source attivi contrassegnati con #vector-search (500+ stelle), per un totale di 868,793 stelle e una media di 7,970 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.