#vector-database Repositórios
144 repositórios no total
Um cérebro cibernético para sua IA. Nunca esquece um detalhe, lembra exatamente o que você disse e aprende como você trabalha ao longo do tempo. Gratuito, local, funciona com Cursor, Claude Code, Codex, OpenClaw, Hermes e mais. MIT.
O ChatWeb pode rastrear páginas da web, ler PDF, DOCX, TXT e extrair o conteúdo principal, em seguida, responder às suas perguntas com base no conteúdo, ou resumir os pontos-chave.
⚕️Chatbot multiagente para diagnóstico médico e assistência à pesquisa em saúde, impulsionado por IA Generativa (GenAI). 🏥 Destinado a profissionais de saúde, pesquisadores e pacientes.
Um banco de dados vetorial de alto desempenho que aproveita a computação paralela em grafos
OpenSwarm — Orquestrador de equipe de desenvolvimento de IA autônoma alimentado por Claude Code CLI. Controle via Discord, integração com Linear, memória cognitiva.
Neum AI é um framework de ponta para gerenciar a criação e sincronização de embeddings vetoriais em grande escala.
Uma infraestrutura de ponta a ponta para treinamento e avaliação de vários agentes LLM.
Memória de longo prazo para assistentes de IA. Armazenamento de grafos e vetores que recupera decisões, relacionamentos e contexto entre sessões.
Camada de memória compartilhada em um único arquivo para todos os seus agentes, RAG em menos de um milissegundo para texto, fotos e vídeo no Apple Silicon. Sem servidor. Sem API. Um arquivo. Swift puro.
Aprenda pesquisa vetorial com Rust e DataFusion; a trilha de C++/BusTub está obsoleta.
Um framework de chatbot/GraphRAG que cria agentes multi-LLM a partir de comentários de usuários de plataformas sociais e os permite debater sobre tópicos específicos.
O Meme Search Engine e Finder de código aberto. Gratuito e construído para auto-hospedar localmente com Python, Ruby e Docker.
Projetos Práticos de Assistente de Programação com IA 2025 (Autor: Programador Yupi), baseado em Spring Boot 3.5 + Java 21 + LangChain4j + IA, constrói um robô inteligente de aprendizado de programação e coaching para emprego, cobrindo integração de grandes modelos de IA, recursos principais do LangChain4j, conversas em streaming, engenharia de prompts, RAG augmentation de recuperação, bancos de dados vetoriais, Tool Calling, protocolo de contexto de modelo MCP, web crawlers, proteção de segurança, desenvolvimento frontend Vue.js, SSE push do lado do servidor e outras tecnologias de desenvolvimento de aplicações IA empresariais. Ajuda desenvolvedores a dominar habilidades essenciais da era da IA, familiarizar-se com o framework LangChain, melhorar a eficiência do aprendizado de programação e a competitividade no emprego, tornando-se talentos em desenvolvimento full-stack IA demandados pelas empresas.
RAGLight é uma estrutura modular para Geração Aumentada por Recuperação (RAG). Ela facilita a integração de diferentes LLMs, embeddings e armazenamento de vetores, e agora inclui integração MCP perfeita para conectar ferramentas e fontes de dados externas.
Vectra é um banco de dados vetorial local para Node.js com funcionalidades semelhantes ao Pinecone, mas construído usando arquivos locais.
NextPlaid, ColGREP: Busca multivetorial, de bancos de dados a agentes de codificação.
Sistema de gerenciamento de banco de dados multiparadigma ACID C# .NET NoSQL (chave-valor, armazenamento de objetos, com camadas incorporadas de Pesquisa de Texto, Pesquisa Semântica e Vetorial).
🔥 Crie instantaneamente chatbots de IA para qualquer site com pesquisa acionada por RAG, respostas em streaming e endpoints de API compatíveis com OpenAI
Memória agêntica criptografada, totalmente offline. Instalação com um clique, GUI com mapa de memória, todos os sistemas operacionais e agentes. Criação, armazenamento e recuperação de memória superiores.
Uma implementação de exemplo simples do padrão VoiceRAG para potencializar experiências interativas de IA generativa por voz, utilizando RAG com o Azure AI Search e o modelo gpt-4o-realtime-preview do Azure OpenAI.
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.
📊 Um agente de IA para consultas inteligentes a um data warehouse de comércio eletrônico — o projeto prático ideal para aprender LangGraph de forma sistemática. Desenvolvido com LangGraph, FastAPI, Qdrant, Elasticsearch, MySQL e React, implementa de ponta a ponta uma base de conhecimento de metadados, recuperação híbrida, geração e validação de NL2SQL (linguagem natural para SQL), execução de SQL e exibição de consultas em streaming. O código full-stack completo do frontend e do backend está pronto para executar, com implantação em um clique em ambiente Docker. Também inclui o tutorial gratuito ai-agents-from-zero e branches de código para cada capítulo. Ideal para aprender sistematicamente sobre aplicações de modelos de linguagem de grande porte, agentes de análise de dados e engenharia de IA para empresas.
Projetos interessantes de LLM que criei para o meu canal no YouTube usando os modelos open‑source da Ollama.
Repositório histórico obsoleto. A Superlinked agora desenvolve o SIE, um motor de inferência auto-hospedado para embeddings, reranking, OCR, extração e processamento de documentos.
VectorRAG.Net é uma biblioteca de banco de dados vetorial de alto desempenho nativa em .NET para busca semântica e RAG (Geração Aumentada por Recuperação). A busca principal é baseada na geração de candidatos LSH de hiperplano aleatório com reclassificação exata por produto escalar/cosseno.
Memória de agente de IA com prioridade local, grafo de conhecimento, restrições ontológicas e raciocínio rastreável — tudo em um único arquivo SQLite.
O Supabase da era da IA. Um backend modular e de código aberto para construir softwares nativos de IA — projetado para o conhecimento, não para dados estáticos.
Um sistema RAG (Retrieval-Augmented Generation) adequado para aprendizado, uso e expansão autônoma! Capaz de fazer buscas de IA conectando-se à rede
🕵️♂️ Biblioteca projetada para desenvolvedores que desejam explorar o potencial de Modelos de Linguagem de Grande Porte (LLM) e outras IA generativas por meio de uma abordagem limpa, eficaz e com estilo Go.
Symbol Delta Ledger (SDL-MCP) é uma camada de orçamento de contexto centrada em políticas para agentes de programação: combina inteligência de grafos de símbolos com ferramentas de precisão. Ela transforma bases de código extensas em um contexto compacto e rico em informações, economizando tokens, acelerando fluxos de trabalho e melhorando os resultados dos agentes.