La génération augmentée par la recherche (RAG) permet à un modèle de langage de répondre à partir de vos propres documents. Le texte est découpé en fragments, transformé en vecteurs et stocké dans un index ; à chaque question, les fragments les plus pertinents sont ajoutés au prompt. Les projets présentés couvrent toute la chaîne ou une partie : analyse de documents, recherche vectorielle ou application de questions-réponses complète.
Avec le RAG, la qualité des réponses dépend surtout de la recherche, pas du modèle. Comparez la façon dont chaque projet gère les documents difficiles comme les PDF, les tableaux et les scans, sa prise en charge de la recherche hybride (mots-clés et vecteurs) et du reclassement, et sa capacité à montrer de quelles sources provient une réponse.
LangChain4j is an idiomatic, open-source Java library for building LLM-powered applications on the JVM. It offers a unified API over popular LLM providers and vector stores, and makes implementing tool calling (including MCP support), agents and RAG easy. It integrates seamlessly with enterprise Java frameworks like Quarkus and Spring Boot.
One portable memory layer for every AI agent: local-first, Markdown-native, user-owned, and self-evolving across apps, tools, and workflows.
💡 All-in-one AI framework for semantic search, LLM orchestration and language model workflows
[MLsys2026 Best Paper]: https://arxiv.org/abs/2506.08276. RAG on Everything with LEANN. Enjoy 97% storage savings while running a fast, accurate, and 100% private RAG application on your personal device.
Votre assistant de terminal de trading IA pour les actions américaines, les matières premières, le forex et la crypto.
Un logiciel de prise de notes Markdown AI multiplateforme. Il s'agit de s'assurer que les fragments utiles ne disparaissent pas avant d'avoir eu le temps de les transformer en quelque chose de complet.
Collection de compétences open source de ConardLi, comprenant la conception Web, la récupération de connaissances, la génération d'images, et bien plus encore.
Retrieval and Retrieval-augmented LLMs
Convert any URL to an LLM-friendly input with a simple prefix https://r.jina.ai/
BISHENG is an open LLM devops platform for next generation Enterprise AI applications. Powerful and comprehensive features include: GenAI workflow, RAG, Agent, Unified model management, Evaluation, SFT, Dataset Management, Enterprise-level System Management, Observability and more.
Incremental engine for long horizon agents 🌟 Star if you like it!
Système d'exploitation à mémoire auto-évolutive pour les agents LLM et IA : mémoire ultra-persistante, récupération hybride et réutilisation des compétences multi-tâches, avec 35,24 % d'économies de jetons.
🔍大模型应用开发实战一：RAG 技术全栈指南，在线阅读地址：https://datawhalechina.github.io/all-in-rag/
AI Agent Engineering Platform built on an Open Source TypeScript AI Agent Framework
Production ready toolkit to run AI locally
https://adongwanai.github.io/AgentGuide | AI Agent开发指南 | LangGraph实战 | 高级RAG | 转行大模型 | 大模型面试 | 算法工程师 | 面试题库 | 强化学习｜数据合成
Deeplake is AI Data Runtime for Agents. It provides serverless postgres with a multimodal datalake, enabling scalable retrieval and training.
智能闲鱼客服机器人系统：专为闲鱼平台打造的AI值守解决方案，实现闲鱼平台7×24小时自动化值守，支持多专家协同决策、智能议价和上下文感知对话。
World's first open-source enterprise world model.
Evidently is an open-source ML and LLM observability framework. Evaluate, test, and monitor any AI-powered system or data pipeline. From tabular data to Gen AI. 100+ metrics.
22 prompt engineering techniques with hands-on Jupyter Notebook tutorials, from fundamental concepts to advanced strategies for leveraging LLMs.
每个人都能看懂的大模型知识分享，LLMs春/秋招大模型面试前必看，让你和面试官侃侃而谈
Memory library for building stateful agents
Python & Command-line tool to gather text and metadata on the Web: Crawling, scraping, extraction, output as CSV, JSON, HTML, MD, TXT, XML