#hnsw Repositórios
Descubra 16 repositórios ativos de código aberto no GitHub marcados com #hnsw, acumulando um total de 218,329 estrelas (uma média de 13,645 por projeto). O líder deste tópico é ruvnet/ruflo, com 82,196 estrelas.
16 repositórios no total
🌊 O framework original para agentes. Implante enxames inteligentes multiagente, coordene fluxos de trabalho autônomos e crie sistemas de IA conversacional. Inclui memória adaptativa, inteligência de autoaprendizagem, federação, integração com RAG vetorial e suporte nativo ao Claude Code / Codex / Hermes, além de muitos outros recursos integrados
Milvus é um banco de dados vetorial de alto desempenho e nativo da nuvem, construído para pesquisa ANN vetorial escalável
Qdrant - Banco de Dados Vetorial de alto desempenho e em escala massiva e Motor de Busca Vetorial para a próxima geração de IA. Também disponível na nuvem https://cloud.qdrant.io/
Weaviate é um banco de dados vetorial de código aberto que armazena objetos e vetores, permitindo a combinação de busca vetorial com filtragem estruturada, com a tolerância a falhas e escalabilidade de um banco de dados nativo da nuvem.
O banco de dados nativo de IA construído para aplicações LLM, fornecendo pesquisa híbrida incrivelmente rápida de vetores densos, vetores esparsos, tensores (multivetor) e texto completo.
O banco de dados de pesquisa nativo de IA. Melhor para armazenamento de agentes, unifica dados vetoriais, textuais, estruturados e semiestruturados em um único mecanismo. Esse banco de dados tudo-em-um torna os agentes mais inteligentes, mais fáceis de executar e mais estáveis.
MinHash, LSH, LSH Forest, MinHash Ponderado, HyperLogLog, HyperLogLog++, LSH Ensemble e HNSW
🚀 Biblioteca eficiente de coleções de algoritmos de busca aproximada do vizinho mais próximo, escrita em Rust 🦀.
🛰️ Uma biblioteca de busca aproximada de vizinhos mais próximos para Python e Java com foco em facilidade de uso, simplicidade e implantabilidade.
Endee.io – Um banco de dados vetorial de alto desempenho, projetado para lidar com até 1 bilhão de vetores em um único nó, oferecendo ganhos significativos de desempenho por meio de indexação e execução otimizadas. Também disponível na nuvem https://endee.io/
Nornicdb é um banco de dados distribuído de baixa latência, Graph+Vector e MVCC temporal, com busca HNSW, travessia de grafos e escritas em menos de um milissegundo. Ao usar Neo4j Bolt/Cypher e gRPC do qdrant, você pode migrar sem alterações enquanto adiciona recursos inteligentes como esquemas, embeddings gerenciados, reranking+LLM, aceleração de GPU, Auto-TLP, decaimento de memória baseado em políticas e servidor MCP.
Extensão de banco de dados vetorial do PostgreSQL para construção de aplicações de IA
Aprenda pesquisa vetorial com Rust e DataFusion; a trilha de C++/BusTub está obsoleta.
Sistema de recomendação musical de faixa para faixa, treinado com 45 milhões de faixas do Spotify e 1,8 milhão de playlists. (Insira o ID de uma faixa do Spotify / ISRC para obter músicas semelhantes.)
Perguntas Frequentes
Qual é o repositório de #hnsw mais popular no GitHub?
O projeto de código aberto de #hnsw mais bem classificado no GitHub é ruvnet/ruflo, com 82,196 estrelas. 🌊 O framework original para agentes. Implante enxames inteligentes multiagente, coordene fluxos de trabalho autônomos e crie sistemas de IA conversacional. Inclui memória adaptativa, inteligência de autoaprendizagem, federação, integração com RAG vetorial e suporte nativo ao Claude Code / Codex / Hermes, além de muitos outros recursos integrados
Quais linguagens de programação são mais usadas nos repositórios de #hnsw?
Entre os projetos de #hnsw mais bem classificados no GitHub, as linguagens de programação mais comuns são C++, Rust, Go, Python.
Como é calculada a classificação dos repositórios de #hnsw?
Acompanhamos 16 repositórios ativos de código aberto marcados com #hnsw (com mais de 500 estrelas), totalizando 218,329 estrelas e uma média de 13,645 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.