#vector-search 저장소
#vector-search 태그가 지정된 GitHub의 활성 오픈 소스 저장소 109개를 확인해 보세요. 총 868,793개의 스타를 획득했으며 프로젝트당 평균 7,970개입니다. 이 주제를 이끄는 저장소는 82,196개의 스타를 받은 ruvnet/ruflo입니다.
저장소 총 109개
🌊 오리지널 에이전트 하네스. 지능형 멀티 에이전트 스웜을 배포하고, 자율 워크플로를 조율하며, 대화형 AI 시스템을 구축하세요. 적응형 메모리, 자기 학습 지능, 페더레이션, 벡터 RAG 통합, Claude Code / Codex / Hermes 및 다양한 도구의 네이티브 통합을 제공합니다
실시간 데이터 기반 애플리케이션을 구축하는 개발자들을 위해, Redis는 선호되는 가장 빠르고 기능이 가장 풍부한 캐시, 데이터 구조 서버, 그리고 문서 및 벡터 쿼리 엔진입니다.
SeaweedFS는 객체 스토리지(S3), 파일 시스템, Iceberg 테이블 버킷, Lance 벡터 버킷을 위한 분산 스토리지 시스템입니다. O(1) 디스크 액세스와 간편한 수평 확장을 통해 수십억 개의 파일을 처리하도록 설계되었습니다.
Qdrant - 차세대 AI를 위한 고성능, 대규모 벡터 데이터베이스 및 벡터 검색 엔진. 클라우드에서도 사용 가능 https://cloud.qdrant.io/
TencentDB Agent Memory는 AI 에이전트를 위한 팀 수준의 메모리 허브로, 대화, 문서 및 코드를 네 가지 재사용 가능한 메모리 자산(채팅 메모리, 스킬, LLM-Wiki, 코드 그래프)으로 변환하여 에이전트와 프레임워크 전반에서 관리, 공유 및 장착됩니다.
Algolia + Pinecone의 오픈 소스 대안이자 ElasticSearch보다 사용하기 쉬운 대안 ⚡ 🔍 ✨ 빠르고 오타에 관대하며 메모리 내 퍼지 검색 엔진으로 즐거운 검색 경험을 구축하기 위한 도구
봇과 에이전트를 위한 AI 검색 엔진 및 MCP 서버입니다. 단일 Rust 바이너리로 코드, 문서, 로그, JSONL/CSV 파일, PDF를 색인하여 BM25 전문 검색, 벡터 검색, 하이브리드 검색, grep 없는 코드 검색, 에이전트 메모리 및 RAG를 지원합니다. Elasticsearch 호환 API를 제공하며, Corpus Hub에서 수백 개의 참조 메모리 코퍼스를 이용할 수 있습니다.
Weaviate는 객체와 벡터를 모두 저장하는 오픈 소스 벡터 데이터베이스로, 클라우드 네이티브 데이터베이스의 내결함성과 확장성을 가진 벡터 검색과 구조화된 필터링의 조합을 가능하게 합니다.
[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.
2kb 미만의 텍스트 전체, 벡터 및 하이브리드 검색을 지원하는 브라우저, 서버 또는 엣지 네트워크의 완전한 검색 엔진 및 RAG 파이프라인.
OceanBase는 AI 시대를 위한 통합 분산 데이터베이스입니다. 오픈 소스, 멀티 모델, 단일 엔진으로 가장 까다로운 워크로드를 지원합니다.
데이터 에이전트 준비형 웨어하우스: Analytics, Search, AI, Python Sandbox 전용. — 처음부터 재구성되었습니다. S3 기반 통합 아키텍처.
LLM Zoomcamp - LLM의 실제 적용 사례를 다루는 무료 온라인 강좌입니다. 10주 동안 지식 베이스에 대한 질문에 답변하는 AI 시스템을 구축하는 방법을 배웁니다. 여기서 등록하세요 👇🏼
대규모 벡터 검색 시나리오를 위한 고품질 벡터 인덱스 빌드, 검색 및 분산 온라인 서빙 툴킷을 제공하는 분산 근사 최근접 이웃 검색 (ANN) 라이브러리.
LLM 애플리케이션을 위해 구축된 AI 네이티브 데이터베이스로, 밀집 벡터, 희소 벡터, 텐서(멀티 벡터) 및 전체 텍스트에 대한 놀랍도록 빠른 하이브리드 검색을 제공합니다.
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 🔍
ColBERT: 최첨단 신경망 검색 (SIGIR'20, TACL'21, NeurIPS'21, NAACL'22, CIKM'22, ACL'23, EMNLP'23)
모든 RAG 파이프라인에서 최첨단 후반 상호 작용 검색 방법(ColBERT)을 쉽게 사용하고 훈련하십시오. 모듈성과 사용 편의성을 위해 설계되었으며 연구를 기반으로 합니다.
OP Vault ChatGPT: OP Stack(OpenAI + Pinecone Vector Database)을 사용하여 ChatGPT에 장기 기억력을 부여합니다. 간단한 React 프론트엔드를 사용하여 사용자 지정 지식 기반 파일(PDF, txt, epub 등)을 업로드합니다.
엔터프라이즈급 (4000만+ LOC) 코드베이스 인텔리전스, 제로 셋업, 로컬 & 프라이빗 플러그인/스킬/확장 또는 MCP: 하이브리드 시맨틱 검색, 다국어 종속성 그래프, 심볼 수준 영향 분석 & 호출 흐름, 인터랙티브 HTML 뷰어, 크로스 프로젝트 & 브랜치 인식 검색, DB/API/인프라 지식. 토큰 61% 감소, 호출 84% 감소, 37배 빠름. Cloud 베타 버전.
벡터 검색을 위한 Postgres 확장 기능(DiskANN)으로, 성능 및 확장성 측면에서 pgvector를 보완합니다. Postgres OSS 라이선스입니다.
LLM(예: OpenAI, LLaMA) 및 벡터 데이터베이스(예: Chroma, Weaviate, LanceDB)를 모두 지원하는 프롬프트 테스트 및 실험을 위한 오픈 소스 도구.
AI 기반 크로스 플랫폼 전자책 리더기로, 의미 검색, RAG 채팅, 로컬 벡터 저장소, 메모, TTS 및 WebDAV 동기화 기능을 제공합니다.
자주 묻는 질문
GitHub에서 가장 인기 있는 #vector-search 저장소는 무엇인가요?
GitHub에서 가장 높은 순위의 오픈 소스 #vector-search 프로젝트는 82,196개의 스타를 받은 ruvnet/ruflo입니다. 🌊 오리지널 에이전트 하네스. 지능형 멀티 에이전트 스웜을 배포하고, 자율 워크플로를 조율하며, 대화형 AI 시스템을 구축하세요. 적응형 메모리, 자기 학습 지능, 페더레이션, 벡터 RAG 통합, Claude Code / Codex / Hermes 및 다양한 도구의 네이티브 통합을 제공합니다
#vector-search 저장소에서 가장 많이 사용되는 프로그래밍 언어는 무엇인가요?
GitHub에서 순위가 가장 높은 #vector-search 프로젝트 중 가장 일반적으로 사용되는 프로그래밍 언어는 Python, Rust, TypeScript, Go입니다.
#vector-search 저장소 순위는 어떻게 계산되나요?
#vector-search 태그가 지정된 활성 오픈 소스 저장소(109개, 스타 500개 이상)를 추적하고 있습니다. 총 스타 수는 868,793개이며 저장소당 평균 7,970개입니다. 순위는 GitHub API를 통해 매일 업데이트됩니다.