#retrieval-augmented-generation Репозитории
Всего репозиториев: 254
Легкое и сверхбыстрое переранжирование для ваших конвейеров поиска и извлечения. Поддерживает переранжирование SoTA по спискам (Listwise) и парам (Pairwise) на основе LLM и кросс-кодеров и многое другое. Создано Prithivi Da, открыто для PR и сотрудничества.
Официальный код для статьи: RecurrentGPT: Интерактивная генерация (произвольно) длинного текста
Полное руководство по началу и улучшению ваших навыков LLM в 2026 году, даже при небольшом опыте в этой области, чтобы оставаться в курсе последних новостей и передовых технологий!
Прозрачный Python RAG-референс с гибридным поиском FAISS + BM25, переранжированием, интерфейсом Gradio и FastAPI.
RAG-Fusion: генерация множественных запросов + слияние взаимных рангов для лучшей генерации, дополненной поиском. Включает тестовый harness с NFCorpus/BEIR.
Этот репозиторий содержит сквозные блокноты о том, как использовать различные функции и интеграции Weaviate!
Создайте конвейер RAG (Retrieval Augmented Generation) с нуля и запустите его полностью локально.
Расширьте возможности больших языковых моделей (LLM) с помощью генерации с дополненной выборкой на основе графа знаний (KG-RAG) для ресурсоемких задач
Улучшенное руководство Langchain RAG (v2) с локальными LLM, обновлениями базы данных и тестированием.
Позвольте ИИ разбираться в сложных OpenAPIs с помощью простого языка
⚕️Многоагентный медицинский диагностический чат-бот на базе GenAI для помощи в исследованиях в области здравоохранения. 🏥 Разработан для медицинских работников, исследователей и пациентов.
Путь обучения разработке приложений на базе больших языковых моделей от Сяо Ли, охватывающий RAG, агентов, основы для собеседований и быстрое чтение научных статей.
Универсальная система памяти для агентов, основанная на глубоких исследованиях
Создайте свой собственный бессерверный чат с искусственным интеллектом с помощью генерации с дополненным поиском, используя LangChain.js, TypeScript и Azure
Материалы для курса "Основы инженерной подготовки LLM"
Система Graph RAG для поиска медицинской информации на основе доказательств [ACL 2025]
Этот NVIDIA RAG blueprint служит в качестве эталонного решения для фундаментального конвейера Retrieval Augmented Generation (RAG).
AI-помощник для чтения с трехколоночным дизайном, обеспечивающим одновременное взаимодействие с заметками, чтением и диалогом на одном экране, что делает глубокое чтение более эффективным.
Context Portal (ConPort): Сервер MCP (Memory Bank) для создания специализированного графа знаний проекта, который ускорит работу ИИ-ассистентов. Обеспечивает мощную генерацию с дополненным поиском (RAG) для контекстно-зависимой разработки в вашей IDE.
Загружайте файлы для генерации с дополненной выборкой (RAG) с помощью больших языковых моделей (LLM) с открытым исходным кодом, причем все это без выхода сторонних сервисов или конфиденциальных данных за пределы вашей сети.
R1-поисковик: Стимулирование поисковых возможностей в LLM с помощью обучения с подкреплением
Программное обеспечение для реализации GoT с использованием векторизованной базы данных Weaviate
Этот репозиторий служит исчерпывающим руководством по хакатонам, предлагая ценные идеи и ресурсы как для начинающих, так и для опытных участников. Он охватывает основы, такие как поиск предстоящих хакатонов, советы по выбору подходящего мероприятия и подробные стратегии подготовки.
Общая система RAG для применения возможностей LLM к любому заданному набору данных
Местная помощь Ollama и GPT, аналогичная OpenAI, для максимальной конфиденциальности и офлайн-доступа
[NeurIPS 2024 Spotlight] Буфер мыслей: Мысленно-дополненное рассуждение с большими языковыми моделями
MCP-сервер для долговременной памяти агента с Mem0. Также полезен в качестве шаблона, чтобы помочь вам начать создавать собственный MCP-сервер с помощью Python!
RAGLight — это модульный фреймворк для генерации с дополненной выборкой (Retrieval-Augmented Generation, RAG). Он позволяет легко подключать различные LLM, вложения (embeddings) и векторные хранилища, а теперь включает бесшовную интеграцию MCP для подключения внешних инструментов и источников данных.