#agentic-rag リポジトリ
#agentic-ragのタグが付いた、GitHub上の35件のアクティブなオープンソースリポジトリをご覧ください。合計スター数は308,339個で、プロジェクトあたりの平均は8,809個です。このトピックをリードしているのは、80,667個のスターを獲得しているmicrosoft/ai-agents-for-beginnersです。
リポジトリ合計35件
このリポジトリは、Retrieval-Augmented Generation (RAG) システムのさまざまな高度な手法を展示しています。各手法には詳細なノートブックチュートリアルがあります。
コンテキスト設計に優れた、プロダクションレディなLLMアプリケーション構築のためのオープンソースAIオーケストレーションフレームワーク。検索、ルーティング、メモリ、生成を明確に制御できるモジュールパイプラインとエージェントワークフローを設計。スケーラブルなエージェント、RAG、マルチモーダルアプリケーション、セマンティック検索、会話システム向けに構築されています。
DeeplakeはエージェントのためのAIデータランタイムです。サーバーレスPostgreSQLとマルチモーダルデータレイクを提供し、スケーラブルな検索とトレーニングを可能にします。
プライベート環境にデプロイ可能なマルチテナント型ナレッジエージェントプラットフォーム:統合 RAG、ナレッジグラフ、マルチエージェント、MCP/Skills、サンドボックス、権限管理。Yuxi = クラウドエージェント + ナレッジ RAG。RAG、ナレッジグラフ、マルチエージェントワークフロー向けのセルフホスト型ナレッジエージェントプラットフォームです。
Nexentは、Harnessエンジニアリングの原則を使用して、本番グレードのAIエージェントを自動生成するゼロコードプラットフォームです — 統一されたツール、スキル、メモリ、オーケストレーションを備え、組み込みの制約、フィードバックループ、コントロールプレーンを搭載。
エンタープライズ級 Agentic RAG インテリジェントエージェント - 全チェーンカバレッジ:ドキュメント解析、マルチルート検索、インテント認識、質問書き換え、会話メモリ、MCPツール呼び出しと深層思考。実際のビジネスシナリオ向け、0から1までの完全エンジニアリング実装。
LangGraph で構築されたモジュール式 Agentic RAG — 数分で Retrieval-Augmented Generation エージェントを学びましょう。
AIエージェントとエンタープライズAI検索のためのオープンソースのコンテキストレイヤー。Slack、Drive、Jira、GitHub、Microsoft 365など30以上のデータソースを対象に、MCP、SDK、組み込みエージェントを通じて、人とエージェントに権限を考慮した検索と出典付きの回答を提供します。セルフホストまたはクラウドで利用できます。
RAGを構築:GraphRAG、LightRAG、Neo4j-llm-graph-builderをマージして知識グラフの構築と検索を実現。DeepSearch技術を統合し、プライベートドメインRAGの推論を実現。GraphRAG用のカスタム評価フレームワークを自作。
Azure 上の AI エージェント アプリケーション向けのエンタープライズ グレードのランディング ゾーン。Microsoft Foundry と Microsoft Agent Framework を基盤に、ゼロ トラスト ネットワーク、可観測性、IaC を備えた安全なインフラストラクチャ、エージェント アプリ、またはその両方をデプロイできます。
AuditPilot: 証拠に基づくワークフロー、管理されたツール、評価ハーネス、人間によるレビュー、および是正措置の提供のための監査可能なエンタープライズAIエージェント。
Nuwax Agent OS - エンタープライズグレードのAIエージェント開発・運用プラットフォーム - エージェントの作成と配布、ナレッジベース管理、モデルプロキシ、メモリシステム、プラグインエコシステムのための完全なソリューションを提供します。
LangGraph 実践コースのリポジトリ。Agentic RAG、ReAct、反射ワークフローを使用したプロダクショングレードの LLM エージェント構築用。
LLM, LangChain、LangGraphを使用した株価データおよびニュース取得のためのフルスタックアプリケーション
インテリジェントな対話、ドキュメント知識に基づく Q&A、インターネット検索、RAG 検索、MCP ツールプロトコル、Skills 拡張など、包括的な機能を備えたエンタープライズ向け AI エージェントプラットフォームです。3 層の実行基盤、二つのチャネルによるハイブリッド検索、組み合わせ可能なチャンク分割エンジン、会話メモリ管理、エンドツーエンドの可観測性を備え、あらゆる工程が綿密に設計され、エンジニアリングによって磨き上げられています。
RAGLightは、検索拡張生成(RAG)のためのモジュラーフレームワークです。さまざまなLLM、埋め込み、ベクトルストアを簡単に接続でき、外部ツールやデータソースを接続するためのシームレスなMCP統合も含まれています。
ローカルおよびセルフホスト型のドキュメント検索向けAgentic RAG:組み込みLanceDB上でのハイブリッド検索、再ランキング、マルチモーダルRAG、Doclingによる解析とMCPサーバー
YT Navigator: AIエージェントを使用してチャネル動画を検索およびチャットできる、AI搭載のYouTubeコンテンツエクスプローラー。セマンティック検索と正確なタイムスタンプにより、数秒で数時間分のコンテンツからインサイトを抽出します。
Healthy Diet AI Agentは、栄養チャット、食品画像分析、RAGドキュメント取り込み、知識に基づいた食事指導のためのBun + TypeScriptバックエンドです。
ChatGPTやNotebookLMに代わる、オープンソースでセルフホスト可能なAIワークステーション。エージェント、スキル、MCP、出典付きの知識をひとつに集約。自分のモデルを、自分のインフラで。公開MCPサーバーとエージェントスキルのディレクトリを収録。
よくある質問
GitHubで最も人気のある#agentic-ragリポジトリは何ですか?
GitHubで最も上位にランクインしているオープンソースの#agentic-ragプロジェクトは、80,667個のスターを獲得しているmicrosoft/ai-agents-for-beginnersです。AIエージェント構築を始めるための18のレッスン
#agentic-ragリポジトリで最もよく使われているプログラミング言語は何ですか?
GitHubで上位にランクインしている#agentic-ragプロジェクトでは、Python, TypeScript, Jupyter Notebook, Javaが最も一般的なプログラミング言語です。
#agentic-ragリポジトリのランキングはどのように算出されていますか?
#agentic-ragのタグが付いた35件のアクティブなオープンソースリポジトリ(スター500個以上)を追跡しています。合計スター数は308,339個で、リポジトリあたりの平均は8,809個です。ランキングはGitHub APIからのデータに基づいて毎日更新されます。