#retrieval-augmented-generation Repositórios
Descubra 254 repositórios ativos de código aberto no GitHub marcados com #retrieval-augmented-generation, acumulando um total de 1,102,453 estrelas (uma média de 4,340 por projeto). O líder deste tópico é infiniflow/ragflow, com 94,501 estrelas.
254 repositórios no total
RAGFlow é um banco de dados nativo para agentes: um mecanismo de geração aumentada por recuperação (RAG) que evoluiu e se tornou uma infraestrutura de contexto.
Um servidor RAG sem código que mantém as respostas sincronizadas com seus documentos. Compatível com 8 bancos de dados vetoriais. Desenvolvido com Pathway.
Uma coleção de notebooks/receitas que mostram algumas formas divertidas e eficazes de usar o Claude.
Langchain-Chatchat (anteriormente Langchain-ChatGLM), uma aplicação RAG e Agent baseada em conhecimento local com Langchain e modelos de linguagem como ChatGLM, Qwen e Llama | Langchain-Chatchat (formerly langchain-ChatGLM), local knowledge based LLM (like ChatGLM, Qwen and Llama) RAG and Agent app with langchain
Um sistema de curadoria de conhecimento impulsionado por LLM que pesquisa um tópico e gera um relatório completo com citações.
Este repositório apresenta várias técnicas avançadas para sistemas de Geração Aumentada por Recuperação (RAG). Cada técnica possui um tutorial detalhado em notebook.
Estrutura de orquestração de IA de código aberto para construir aplicações de LLM prontas para produção, projetadas com contexto. Crie pipelines modulares e fluxos de trabalho de agentes com controle explícito sobre recuperação, roteamento, memória e geração. Desenvolvida para agentes escaláveis, RAG, aplicações multimodais, busca semântica e sistemas de conversação.
Converse com seus documentos no seu dispositivo local usando modelos GPT. Nenhum dado sai do seu dispositivo e é 100% privado.
Camada de memória para Agentes de IA. Substitua pipelines RAG complexos por uma camada de memória sem servidor e de arquivo único. Dê aos seus agentes recuperação instantânea e memória de longo prazo.
Estrutura unificada para a construção de pipelines RAG empresariais com modelos pequenos e especializados
[Melhor artigo do MLsys2026]: https://arxiv.org/abs/2506.08276. RAG em tudo com o LEANN. Aproveite uma economia de armazenamento de 97% enquanto executa um aplicativo RAG rápido, preciso e 100% privado em seu dispositivo pessoal.
Framework de IA completo para pesquisa semântica, orquestração de LLM e fluxos de trabalho de modelos de linguagem
Pocket Flow: framework LLM de 100 linhas. Deixe os Agentes construírem Agentes!
~95% no SimpleQA (ex. Qwen3.6-27B em uma 3090). Suporta todos os LLMs locais e em nuvem (llama.cpp, Ollama, Google, ...). 10+ motores de busca - arXiv, PubMed, seus documentos privados. Tudo Local & Criptografado.
"A engenharia de contexto é a arte e a ciência delicadas de preencher a janela de contexto com as informações certas para o próximo passo." — Andrej Karpathy. Um manual de ponta, baseado em princípios, inspirado por Karpathy e 3Blue1Brown para ir além da engenharia de prompts e alcançar a disciplina mais ampla de design, orquestração e otimização de contexto.
🧑🚀 Resumo dos melhores recursos de LLM do mundo (Geração multimodal, Agentes, Programação assistida, Revisão por IA, Processamento de dados, Treinamento de modelos, Inferência de modelos, Modelo o1, MCP, Pequenos modelos de linguagem, Modelos de linguagem visual) | Summary of the world's best LLM resources.
Sistema de recuperação de IA pronto para produção de última geração (SoTA). Geração Aumentada por Recuperação (RAG) com Agente e uma API RESTful.
[EMNLP'23, ACL'24] Para acelerar a inferência de LLMs e aprimorar a percepção de informações-chave dos LLMs, comprimir o prompt e o KV-Cache permite atingir até 20x de compressão com perda mínima de desempenho.
Envie uma chamada telefônica de um agente de IA, em uma chamada de API. Ou, ligue diretamente para o bot a partir do número de telefone configurado!
Gerar romances longos de vários capítulos com IA, conectando contextos e prenúncios automaticamente
🎙️🤖Crie, personalize e converse com seu personagem/companheiro de IA em tempo real (tudo em um único codebase!). Tenha uma conversa natural e fluida com IA em qualquer lugar (celular, web e terminal) usando LLM OpenAI GPT3.5/4, Anthropic Claude2, Chroma Vector DB, Whisper Speech2Text, ElevenLabs Text2Speech🎙️🤖
Seu agente bibliotecário pessoal. Pergunte qualquer coisa sobre o seu computador, organize arquivos e lembre-se de informações e arquivos importantes.
Companheiros de IA com memória: uma pilha leve para criar e hospedar seus próprios companheiros de IA
Search-R1: Uma Estrutura Eficiente e Escalável de Treinamento RL para Invocação de Motor de Busca e Raciocínio intercalada baseada em LLM usando veRL
O RAG definitivo para o seu monorepo. Consulte, entenda e edite bases de código multilíngues com o poder da IA e de grafos de conhecimento
A plataforma de código aberto para desenvolvimento de aplicações nativas de IA.
Este é um guia passo a passo para modelos de IA/LLM de nível de entrada, incluindo tutoriais e código de demonstração, levando você do uso de APIs à implantação e ajuste fino de LLMs locais. Os arquivos de código estarão disponíveis em versões online para Kaggle ou Colab, permitindo o aprendizado mesmo sem uma GPU. O projeto também inclui um pequeno playground de código 🎡 onde você pode experimentar alguns scripts de IA interessantes. Além disso, contém os trabalhos de casa completos espelhados em chinês do curso 'Introdução à Inteligência Artificial Generativa 2024' de Hung-Yi Lee.
Um RAG Agentic modular construído com LangGraph — aprenda agentes de Geração Aumentada por Recuperação em minutos.
Estrutura RAG (Retrieval Augmented Generation) para construir aplicações modulares e de código aberto para produção pela TrueFoundry
Fluxos de trabalho de referência de IA generativa otimizados para infraestrutura acelerada e arquitetura de microsserviços.
Converta qualquer texto em um grafo de conhecimento. Isso pode ser usado para Geração Aumentada por Grafo ou para QnA (Perguntas e Respostas) baseado em Grafo de Conhecimento.
Infraestrutura de visão para transformar documentos complexos em dados prontos para LLM
Perguntas Frequentes
Qual é o repositório de #retrieval-augmented-generation mais popular no GitHub?
O projeto de código aberto de #retrieval-augmented-generation mais bem classificado no GitHub é infiniflow/ragflow, com 94,501 estrelas. RAGFlow é um banco de dados nativo para agentes: um mecanismo de geração aumentada por recuperação (RAG) que evoluiu e se tornou uma infraestrutura de contexto.
Quais linguagens de programação são mais usadas nos repositórios de #retrieval-augmented-generation?
Entre os projetos de #retrieval-augmented-generation mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, TypeScript, Rust.
Como é calculada a classificação dos repositórios de #retrieval-augmented-generation?
Acompanhamos 254 repositórios ativos de código aberto marcados com #retrieval-augmented-generation (com mais de 500 estrelas), totalizando 1,102,453 estrelas e uma média de 4,340 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.