#retrieval Repositórios
Descubra 32 repositórios ativos de código aberto no GitHub marcados com #retrieval, acumulando um total de 103,199 estrelas (uma média de 3,224 por projeto). O líder deste tópico é VectifyAI/PageIndex, com 40,634 estrelas.
32 repositórios no total
Busca de código rápida e precisa para agentes. Usa 99% menos tokens que grep+read
Runtime de memória de longo prazo para agentes de IA — Markdown simples como fonte de verdade, recuperação local classificada e uma camada independente de gerenciamento durante o período de inatividade. Claude Code e Codex compartilham o mesmo armazenamento. Não é necessária uma chave de API.
[ICML'26] SimpleMem: Memória eficiente de longo prazo para agentes de LLM — Texto e multimodal
Servidor de inferência de código aberto e cluster de produção para todos os modelos que seu agente precisa.
MTEB: Avaliação de ponta de embeddings em diferentes idiomas e modalidades
Memória de longo prazo baseada no perfil do usuário para aplicações de chatbot de IA.
Apache Lucene.NET é uma biblioteca de pesquisa de texto completo de código aberto escrita em C#, portada do projeto Apache Lucene.
Um Benchmark Heterogêneo para Recuperação de Informação. Fácil de usar, avalie seus modelos em mais de 15 conjuntos de dados de RI diversos.
A implementação oficial do RAPTOR: Processamento Abstrativo Recursivo para Recuperação Organizada em Árvore
OpenResearcher: Uma Pipeline Completamente Aberta para Síntese de Trajetórias de Pesquisa Profunda de Longo Alcance
CLI aberto para integrar pesquisa, recomendação e recuperação conversacional de IA em sistemas de agentes e sistemas de negócios
Biblioteca Rust para gerar incorporações vetoriais e reclassificar localmente!
Uma implementação oficial para "CLIP4Clip: Um Estudo Empírico de CLIP para Recuperação de Clipes de Vídeo de Ponta a Ponta"
A camada de recuperação para sistemas de IA em produção. Pesquisa ultrarrápida (<10 ms) sem bancos de dados vetoriais. Construída para navegador, edge, dispositivo e nuvem.
Um banco de dados vetorial de alto desempenho que aproveita a computação paralela em grafos
Neum AI é um framework de ponta para gerenciar a criação e sincronização de embeddings vetoriais em grande escala.
[Pytorch] Modelo de recuperação generativa usando IDs semânticos de "Recommender Systems with Generative Retrieval"
Use modelos multimodais de interação tardia, como o ColPali, em apenas algumas linhas de código.
Mecanismo de busca fundamentado (ou seja, com referência à fonte) baseado em LLM / ChatGPT / OpenAI API. Suporta busca na web, busca de conteúdo de arquivos, etc.
🔥 Rankify: Um Kit de Ferramentas Python Abrangente para Recuperação, Reclassificação (Re-Ranking) e Geração Aumentada por Recuperação (RAG) 🔥. Nosso kit de ferramentas integra 40 conjuntos de dados de referência pré-recuperados e suporta mais de 7 técnicas de recuperação, mais de 24 modelos de Reclassificação de última geração e múltiplos métodos de RAG.
~97% de redução de tokens para sessões de programação com IA — sem dependências, 38 idiomas, servidor MCP
Framework RAG Fácil de Usar; Solução Top 3 do Desafio Internacional CCF AIOps 2024; Solução Vencedora do Desafio Internacional CCF AIOps 2024
Use o ArXiv ChatGuru para conversar com artigos de pesquisa. Este aplicativo usa LangChain, OpenAI, Streamlit e Redis como um banco de dados vetorial/cache semântico.
Recuperar, Ler e Vincular: Vinculação de Entidades e Extração de Relações Rápida e Precisa com um Orçamento Acadêmico (ACL 2024)
Perguntas Frequentes
Qual é o repositório de #retrieval mais popular no GitHub?
O projeto de código aberto de #retrieval mais bem classificado no GitHub é VectifyAI/PageIndex, com 40,634 estrelas. 📑 PageIndex: Índice de Documento para RAG baseado em raciocínio sem vetores
Quais linguagens de programação são mais usadas nos repositórios de #retrieval?
Entre os projetos de #retrieval mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, C#, TypeScript.
Como é calculada a classificação dos repositórios de #retrieval?
Acompanhamos 32 repositórios ativos de código aberto marcados com #retrieval (com mais de 500 estrelas), totalizando 103,199 estrelas e uma média de 3,224 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.