#faiss 저장소
#faiss 태그가 지정된 GitHub의 활성 오픈 소스 저장소 29개를 확인해 보세요. 총 185,123개의 스타를 획득했으며 프로젝트당 평균 6,383개입니다. 이 주제를 이끄는 저장소는 46,712개의 스타를 받은 milvus-io/milvus입니다.
저장소 총 29개
Langchain-Chatchat (이전 Langchain-ChatGLM), Langchain 및 ChatGLM, Qwen, Llama와 같은 언어 모델의 RAG 및 에이전트 애플리케이션 | Langchain-Chatchat (이전 langchain-ChatGLM), Langchain을 사용한 로컬 지식 기반 LLM (ChatGLM, Qwen 및 Llama 등) RAG 및 에이전트 앱
AI 에이전트를 위한 메모리 계층. 복잡한 RAG 파이프라인을 서버리스 단일 파일 메모리 계층으로 대체하세요. 에이전트에게 즉각적인 검색 및 장기 기억을 제공합니다.
[MLsys2026 최우수 논문]: https://arxiv.org/abs/2506.08276. LEANN으로 모든 것에 RAG 적용. 개인 기기에서 빠르고 정확하며 100% 프라이빗한 RAG 애플리케이션을 실행하면서 97%의 저장 공간 절감 효과를 누려보세요.
RAM, VRAM, NVMe 전반에서 벡터 검색, 희소 곱 및 어텐션을 지원하는 하나의 근접 그래프—밀집 벡터, 시퀀스, 도형 및 지리 공간 집합을 14개 언어로 처리합니다 🔍
Postgres에서 확장 가능하고 지연 시간이 짧으며 하이브리드를 지원하는 벡터 검색. 데이터베이스가 아닌 벡터 검색을 혁신하십시오.
시맨틱 검색. 자연어를 통해 로컬 사진 및 동영상을 검색합니다. AI 시맨틱 검색 로컬 자료. 이미지로 검색, 로컬 자료 찾기, 텍스트 설명으로 장면 일치, 비디오 프레임 검색, 장면 설명으로 비디오 검색.
CORTEX RAG는 인용, 권한 인식 검색 및 빠른 배포를 통해 팀이 회사 데이터에서 정확한 답변을 찾을 수 있도록 지원하는 엔터프라이즈 검색 및 지식 어시스턴트입니다.
토큰 절감률 95%. 쿼리 속도 155배. 16개 언어 지원. LLM은 전체 코드베이스를 읽을 수 없습니다. TLDR은 구조를 추출하고 종속성을 추적하며 필요한 것을 정확히 제공합니다.
FAISS + BM25 하이브리드 검색, 리랭킹, Gradio UI 및 FastAPI를 포함한 투명한 Python RAG 레퍼런스.
ChatWeb은 웹 페이지를 크롤링하고, PDF, DOCX, TXT를 읽고 주요 콘텐츠를 추출한 다음, 해당 콘텐츠를 기반으로 질문에 답하거나 주요 요점을 요약할 수 있습니다.
유사도: 유사도 계산 및 의미론적 검색을 위한 툴킷. 유사도 계산, 매칭 검색 툴킷, 텍스트 대 텍스트, 텍스트 대 이미지, 이미지 대 이미지 검색을 위한 수억 건의 데이터를 지원하며 Python 3으로 개발되어 즉시 사용 가능합니다.
OpenAI API 및 FAISS(Facebook AI Similarity Search) 인덱스를 사용하여 PDF 텍스트 데이터를 색인화하고 검색하기 위한 RAG 기반 도구로, 신속한 정보 검색 및 탁월한 검색 정확도를 위해 설계되었습니다.
자주 묻는 질문
GitHub에서 가장 인기 있는 #faiss 저장소는 무엇인가요?
GitHub에서 가장 높은 순위의 오픈 소스 #faiss 프로젝트는 46,712개의 스타를 받은 milvus-io/milvus입니다. Milvus는 확장 가능한 벡터 ANN 검색을 위해 구축된 고성능, 클라우드 네이티브 벡터 데이터베이스입니다.
#faiss 저장소에서 가장 많이 사용되는 프로그래밍 언어는 무엇인가요?
GitHub에서 순위가 가장 높은 #faiss 프로젝트 중 가장 일반적으로 사용되는 프로그래밍 언어는 Python, Rust, C++, Jupyter Notebook입니다.
#faiss 저장소 순위는 어떻게 계산되나요?
#faiss 태그가 지정된 활성 오픈 소스 저장소(29개, 스타 500개 이상)를 추적하고 있습니다. 총 스타 수는 185,123개이며 저장소당 평균 6,383개입니다. 순위는 GitHub API를 통해 매일 업데이트됩니다.