#vector-search リポジトリ
#vector-searchのタグが付いた、GitHub上の109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868,793個で、プロジェクトあたりの平均は7,970個です。このトピックをリードしているのは、82,196個のスターを獲得しているruvnet/rufloです。
リポジトリ合計109件
🌊 オリジナルのエージェント・ハーネス。インテリジェントなマルチエージェント・スウォームを展開し、自律型ワークフローを調整して、会話型 AI システムを構築できます。適応型メモリ、自己学習インテリジェンス、フェデレーション、ベクトル RAG 統合、Claude Code / Codex / Hermes など多数のネイティブ統合を備えています
リアルタイムのデータ駆動型アプリケーションを構築する開発者にとって、Redis は、選ばれる最も速く、機能が最も豊富なキャッシュ、データ構造サーバー、およびドキュメントとベクタークエリエンジンです。
SeaweedFSは、オブジェクトストレージ(S3)、ファイルシステム、Icebergテーブルバケット、Lanceベクトルバケット向けの分散ストレージシステムです。O(1)のディスクアクセスと容易な水平スケーリングにより、数十億のファイルを扱えるように設計されています。
Qdrant - 次世代AIのための高性能、大規模ベクトルデータベースおよびベクトル検索エンジン。クラウドでも利用可能 https://cloud.qdrant.io/
TencentDB Agent Memoryは、AIエージェント向けのチームレベルのメモリーハブです。会話、ドキュメント、コードを4つの再利用可能なメモリーアセット(Chat Memory、Skill、LLM-Wiki、Code-Graph)に変換し、エージェントやフレームワーク間で管理、共有、装備されます。
Algolia + Pinecone のオープンソース代替品および ElasticSearch より使いやすい代替品 ⚡ 🔍 ✨ 高速でタイポ耐性があり、メモリ内ファジー検索エンジンで、素晴らしい検索体験を構築
ボットやエージェント向けのAI検索エンジンおよびMCPサーバー。単一のRustバイナリで、コード、ドキュメント、ログ、JSONL/CSVファイル、PDFをインデックス化し、BM25全文検索、ベクトル検索、ハイブリッド検索、grep不要のコード検索、エージェントメモリ、RAGを実現します。Elasticsearch互換APIを備え、Corpus Hubでは数百の参照用メモリコーパスを利用できます。
Weaviate は、オブジェクトとベクターの両方を保存するオープンソースのベクターデータベースで、ベクター検索と構造化フィルタリングの組み合わせを、クラウドネイティブデータベースの耐障害性とスケーラビリティとともに可能にします。
[MLsys2026 最優秀論文]: https://arxiv.org/abs/2506.08276。LEANN であらゆるものに RAG を。個人用デバイスで高速、高精度、かつ 100% プライベートな RAG アプリケーションを実行しながら、ストレージを 97% 節約できます。
Data Agent Ready Warehouse:Analytics、検索、AI、Python Sandbox 用のワン・ストップ。— 最初から再構築。あなたのS3上で統一されたアーキテクチャ。
LLM Zoomcamp - LLMの実践的な応用に関する無料オンラインコースです。10週間で、ナレッジベースに関する質問に答えるAIシステムの構築方法を学びます。登録はこちら👇🏼
分散型近似最近傍探索 (ANN) ライブラリで、大規模ベクトル検索シナリオ向けに高品質なベクトルインデックスの構築、検索および分散型オンラインパフォーマンスツールキットを提供します。
LLMアプリケーションのために構築されたAIネイティブデータベース。高密度ベクトル、スパースベクトル、テンソル(マルチベクトル)、全文の非常に高速なハイブリッド検索を提供します。
ColBERT:最先端のニューラル検索(SIGIR'20、TACL'21、NeurIPS'21、NAACL'22、CIKM'22、ACL'23、EMNLP'23)
最先端の後期インタラクション検索方法(ColBERT)をあらゆるRAGパイプラインで簡単に使用およびトレーニングできます。モジュール性と使いやすさを追求し、研究に裏打ちされています。
OP Vault ChatGPT: OP Stack(OpenAI + Pinecone Vector Database)を使用してChatGPTに長期記憶を付与します。シンプルなReactフロントエンドを使用して、独自のカスタムナレッジベースファイル(PDF、txt、epubなど)をアップロードします。
エンタープライズグレード(4000万LOC以上)のコードベースインテリジェンス、ゼロセットアップ、ローカル&プライベート Plugin/Skill/Extension または MCP:ハイブリッド意味検索、多言語依存グラフ、シンボルレベルの影響分析&コールフロー、インタラクティブHTMLビューア、クロスプロジェクト&ブランチ対応検索、DB/API/インフラ知識。トークン61%削減、呼び出し84%削減、37倍高速。Cloudはベータ版。
ベクター検索のための Postgres 拡張機能(DiskANN)。パフォーマンスと拡張性の面で pgvector を補完します。Postgres OSS ライセンス。
LLM(例:OpenAI、LLaMA)とベクトルデータベース(例:Chroma、Weaviate、LanceDB)の両方をサポートする、プロンプトのテストと実験のためのオープンソースツール。
AIを搭載したクロスプラットフォームの電子書籍リーダー。セマンティック検索、RAGチャット、ローカルベクターストア、メモ、TTS、WebDAV同期機能を備えています。
よくある質問
GitHubで最も人気のある#vector-search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#vector-searchプロジェクトは、82,196個のスターを獲得しているruvnet/rufloです。🌊 オリジナルのエージェント・ハーネス。インテリジェントなマルチエージェント・スウォームを展開し、自律型ワークフローを調整して、会話型 AI システムを構築できます。適応型メモリ、自己学習インテリジェンス、フェデレーション、ベクトル RAG 統合、Claude Code / Codex / Hermes など多数のネイティブ統合を備えています
#vector-search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#vector-searchプロジェクトでは、Python, Rust, TypeScript, Goが最も一般的なプログラミング言語です。
#vector-search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?
#vector-searchのタグが付いた109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868,793個で、リポジトリあたりの平均は7,970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。