🔍 RAG与检索

Retrieval Augmented Generation and Database solutions.

当前分类已收录 377 个相关项目。

Data Parsers

firecrawl

专为AI设计的网页数据API，将网站转换为LLM可用的Markdown或结构化数据，是RAG应用的理想数据源。

• Stars: ⭐️ 108.4k
• Tags: 网页爬取 数据提取 LLM数据
• 最后活动时间: 2026-04-13

markitdown

将文件和Office文档转换为Markdown的Python工具，支持PDF等多种格式，可集成到RAG和AI工作流中。

• Stars: ⭐️ 106.3k
• Tags: Markdown Document Conversion RAG
• 最后活动时间: 2026-03-30

PaddleOCR

强大的轻量级OCR工具包，支持100+语言，可将PDF和图像转换为结构化数据。

• Stars: ⭐️ 75.5k
• Tags: OCR 文档解析 多语言
• 最后活动时间: 2026-04-06

crawl4ai

开源的LLM友好型网络爬虫和抓取工具，专为AI应用优化。

• Stars: ⭐️ 63.9k
• Tags: 爬虫 数据采集 LLM
• 最后活动时间: 2026-04-11

MinerU

将PDF等复杂文档转换为LLM可用的Markdown/JSON格式，支持RAG和Agent工作流。

• Stars: ⭐️ 59.6k
• Tags: PDF解析 文档处理 RAG
• 最后活动时间: 2026-04-12

docling

为生成式AI准备的文档解析工具，支持PDF、DOCX、PPTX等多种格式转换为结构化数据。

• Stars: ⭐️ 57.7k
• Tags: Document Parsing PDF Converter GenAI Ready
• 最后活动时间: 2026-04-13

EasySpider

可视化无代码网页爬虫工具，支持图形化设计和执行数据采集任务，适合AI训练数据收集和RAG数据准备。

• Stars: ⭐️ 43.8k
• Tags: crawler scraper data-collection visualization rpa
• 最后活动时间: 2026-04-12

polars

极速 DataFrame 查询引擎，为 AI/ML 数据处理管道提供高性能数据操作能力。

• Stars: ⭐️ 38.1k
• Tags: dataframe data-processing rust python
• 最后活动时间: 2026-04-13

Scrapling

自适应AI网页抓取框架，支持从简单请求到大规模爬取，内置MCP服务器支持AI代理智能数据提取。

• Stars: ⭐️ 36.6k
• Tags: 网页抓取 MCP 数据提取
• 最后活动时间: 2026-04-13

EasyOCR

开箱即用的OCR工具库，支持80+种语言和主流书写系统，包括中文、阿拉伯语、西里尔字母等。

• Stars: ⭐️ 29.3k
• Tags: OCR 多语言 PyTorch
• 最后活动时间: 2025-12-05

Scrapegraph-ai

基于AI的Python网页爬虫工具，结合LLM实现智能数据提取，支持RAG工作流和Markdown输出。

• Stars: ⭐️ 23.3k
• Tags: AI爬虫 数据提取 RAG Web Scraping
• 最后活动时间: 2026-04-09

crawlee

强大的Node.js网页爬取和浏览器自动化库，专为AI/LLM/RAG数据采集设计，支持多种格式下载。

• Stars: ⭐️ 22.7k
• Tags: Web Scraping Data Extraction RAG
• 最后活动时间: 2026-04-12

cube

开源语义层工具，为AI应用和BI系统提供统一的数据语义定义，助力构建数据驱动的智能分析系统。

• Stars: ⭐️ 19.8k
• Tags: 语义层 数据分析 BI
• 最后活动时间: 2026-04-13

analysis-ik

IK中文分词器，集成Lucene IK分析器到Elasticsearch和OpenSearch，支持自定义词典，是构建中文搜索和RAG系统的必备工具。

• Stars: ⭐️ 17.4k
• Tags: elasticsearch opensearch nlp chinese-segmentation analyzer
• 最后活动时间: 2026-04-08

olmocr

将PDF文档线性化处理的工具包，专为LLM数据集构建和模型训练设计，简化文档到训练数据的转换流程。

• Stars: ⭐️ 17.1k
• Tags: PDF LLM Dataset Data Processing
• 最后活动时间: 2026-03-25

presto

分布式SQL查询引擎，专为大数据分析设计，可高效处理PB级数据查询，为AI/ML数据预处理提供强大支持。

• Stars: ⭐️ 16.7k
• Tags: big-data sql query-engine data-analytics lakehouse
• 最后活动时间: 2026-04-11

opendataloader-pdf

面向AI应用的PDF解析工具，自动生成AI就绪数据，支持PDF无障碍访问与多格式转换。

• Stars: ⭐️ 16.4k
• Tags: PDF解析 RAG 文档处理
• 最后活动时间: 2026-04-10

newspaper

Python新闻文章全文与元数据提取库，支持多语言新闻抓取，适用于RAG系统的数据预处理管道。

• Stars: ⭐️ 15.0k
• Tags: news-extraction web-scraping nlp rag
• 最后活动时间: 2026-04-10

unstructured

开源ETL解决方案，将复杂文档转换为结构化数据，专为语言模型优化，支持PDF、Word等多种格式解析。

• Stars: ⭐️ 14.4k
• Tags: Document Parsing ETL LLM NLP
• 最后活动时间: 2026-04-12

OpenRefine

强大的开源数据清洗工具，帮助处理杂乱数据并提升数据质量。

• Stars: ⭐️ 11.8k
• Tags: data-cleaning data-wrangling open-source data-quality etl
• 最后活动时间: 2026-04-10

datahub

面向数据和AI技术栈的元数据管理平台，提供数据发现、数据治理和数据目录功能，助力企业构建现代化的数据基础设施。

• Stars: ⭐️ 11.8k
• Tags: data-catalog metadata data-governance data-discovery
• 最后活动时间: 2026-04-13

great_expectations

数据质量测试和验证框架，帮助ML团队确保数据管道的可靠性和一致性。

• Stars: ⭐️ 11.4k
• Tags: data-quality data-testing mlops pipeline
• 最后活动时间: 2026-04-13

PyMuPDF

高性能PDF文档处理库，支持数据提取、OCR识别、表格提取等功能，适用于RAG系统的文档解析场景。

• Stars: ⭐️ 9.4k
• Tags: PDF OCR Data Extraction
• 最后活动时间: 2026-04-10

SeaTunnel

Apache基金会的高性能分布式数据集成工具，支持实时和批量数据处理。可处理多模态数据、嵌入向量及LLM相关数据管道，是构建AI数据基础设施的重要组件。

• Stars: ⭐️ 9.2k
• Tags: Data Integration ETL Apache Real-time LLM Data
• 最后活动时间: 2026-04-13

Dolphin

基于异构锚点提示的文档图像解析工具，ACL 2025论文官方实现。

• Stars: ⭐️ 8.9k
• Tags: Document Parsing VLM OCR
• 最后活动时间: 2026-03-25

crawlee-python

强大的Python网页爬取和浏览器自动化库，专为AI、LLM、RAG应用设计，支持多种数据提取工具。

• Stars: ⭐️ 8.8k
• Tags: 网页爬取 数据采集 RAG 自动化
• 最后活动时间: 2026-04-09

datafusion

Apache DataFusion 是高性能的 SQL 查询引擎，专为大数据分析和 ML 数据管道设计，支持 DataFrame API 和 SQL 查询。

• Stars: ⭐️ 8.6k
• Tags: query-engine dataframe sql big-data rust
• 最后活动时间: 2026-04-13

Understand-Anything

将任意代码库转换为交互式知识图谱，支持探索、搜索和问答，帮助开发者快速理解复杂代码结构。

• Stars: ⭐️ 8.2k
• Tags: Knowledge Graph Code Analysis Claude Code
• 最后活动时间: 2026-04-13

dots.ocr

基于单一视觉语言模型的多语言文档版面解析工具，支持复杂文档结构识别。

• Stars: ⭐️ 8.2k
• Tags: OCR Document Parsing Vision-Language Model
• 最后活动时间: 2026-03-24

kreuzberg

基于Rust核心的多语言文档智能框架，支持88+种格式提取文本和元数据，提供多语言SDK及多种接口。

• Stars: ⭐️ 7.5k
• Tags: 文档解析 RAG Rust 多语言SDK
• 最后活动时间: 2026-04-13

youtube-transcript-api

Python API工具，用于获取YouTube视频的字幕和转录文本，无需API密钥即可使用。

• Stars: ⭐️ 7.3k
• Tags: YouTube Transcript Data-Extraction Python
• 最后活动时间: 2026-04-10

pdfminer.six

强大的PDF解析库，适用于RAG系统中的文档数据提取与处理。

• Stars: ⭐️ 6.9k
• Tags: pdf parser document-processing python
• 最后活动时间: 2026-03-13

cocoindex

高性能AI数据转换框架，支持增量处理和实时索引，专为RAG、知识图谱和语义搜索场景设计。

• Stars: ⭐️ 6.9k
• Tags: 数据处理 ETL 实时索引
• 最后活动时间: 2026-04-13

omniparse

多功能数据解析工具，支持文档、多媒体格式解析，优化 GenAI 框架兼容性。

• Stars: ⭐️ 6.8k
• Tags: 数据解析 OCR GenAI
• 最后活动时间: 2025-12-12

MonkeyOCR

轻量级大模型文档解析工具，基于LMM实现高效准确的文档内容提取与结构化。

• Stars: ⭐️ 6.6k
• Tags: OCR Document Parsing LMM
• 最后活动时间: 2026-04-01

unstract

基于LLM的非结构化数据提取平台，支持API部署与ETL管道，高效转换文档为结构化输出。

• Stars: ⭐️ 6.5k
• Tags: Data Extraction Document Processing LLM
• 最后活动时间: 2026-04-12

llm-scraper

利用LLM将任意网页转换为结构化数据，支持Playwright和Puppeteer浏览器自动化。

• Stars: ⭐️ 6.3k
• Tags: Scraper LLM Browser Data
• 最后活动时间: 2026-04-06

Parsr

将PDF、文档和图像转换为结构化数据的智能工具，支持OCR和NLP处理。

• Stars: ⭐️ 6.2k
• Tags: document ocr nlp pdf data-extraction
• 最后活动时间: 2026-03-20

pdf-craft

PDF智能转换工具，专注于扫描书籍PDF的处理与格式转换，集成OCR能力。

• Stars: ⭐️ 5.3k
• Tags: pdf ocr document-processing deepseek-ocr
• 最后活动时间: 2026-04-11

sparrow

基于ML和LLM的结构化数据提取工具，支持视觉语言模型进行文档解析与指令调用。

• Stars: ⭐️ 5.2k
• Tags: 数据提取 Vision LLM RAG
• 最后活动时间: 2026-04-12

grobid

基于机器学习的学术文献信息提取工具，可解析PDF论文并提取结构化元数据。

• Stars: ⭐️ 4.8k
• Tags: Document Parsing ML Extraction Academic
• 最后活动时间: 2026-04-12

textract

强大的文档文本提取工具，支持PDF、Word、图片等多种格式，简化文档数据解析流程。

• Stars: ⭐️ 4.5k
• Tags: text-extraction document-processing nlp
• 最后活动时间: 2026-04-03

llama_cloud_services

LlamaIndex云端知识代理与管理平台，提供强大的文档解析能力，支持PDF、PPT等多种格式转换为结构化数据。

• Stars: ⭐️ 4.2k
• Tags: Document Parsing Knowledge Management Cloud
• 最后活动时间: 2026-03-25

liteparse

快速、开源的文档解析器，支持PDF、OCR识别和文本提取，适用于RAG和文档处理场景。

• Stars: ⭐️ 4.2k
• Tags: OCR PDF解析 文档处理
• 最后活动时间: 2026-04-12

xarray

N维标签化数组与数据集Python库，为科学计算和机器学习提供强大的多维数据处理能力。

• Stars: ⭐️ 4.1k
• Tags: numpy pandas dask netcdf python
• 最后活动时间: 2026-04-13

RapidFuzz

高性能模糊字符串匹配库，支持多种字符串相似度算法。适用于NLP数据预处理、实体解析和RAG检索增强场景。

• Stars: ⭐️ 3.8k
• Tags: string-matching levenshtein fuzzy-search nlp
• 最后活动时间: 2026-04-13

JioNLP

准确、高效、易用的中文NLP预处理与解析工具包，支持时间解析、文本清洗等。

• Stars: ⭐️ 3.8k
• Tags: NLP Preprocessing Parser
• 最后活动时间: 2025-11-27

tika

Apache Tika工具包，支持从上千种文件格式中检测和提取元数据与文本，适用于RAG数据预处理。

• Stars: ⭐️ 3.7k
• Tags: content-extraction metadata document-processing apache java
• 最后活动时间: 2026-04-10

qsv

超高速数据清洗工具包，支持CSV、Excel、Parquet等格式处理，适用于AI数据管道预处理。

• Stars: ⭐️ 3.6k
• Tags: csv data-engineering data-wrangling parquet ai
• 最后活动时间: 2026-04-12

arrow-rs

Apache Arrow官方Rust实现，提供高性能列式内存格式，是AI/ML数据处理和向量数据库的核心基础设施。

• Stars: ⭐️ 3.4k
• Tags: arrow parquet data-processing columnar-format
• 最后活动时间: 2026-04-10

deepdoctection

强大的文档AI工具包，集成OCR、布局分析、表格识别等功能，支持多种深度学习框架。

• Stars: ⭐️ 3.2k
• Tags: Document AI OCR Table Recognition
• 最后活动时间: 2026-04-09

docarray

多模态数据的表示、传输、存储和搜索工具库，支持神经搜索。

• Stars: ⭐️ 3.1k
• Tags: multimodal neural-search semantic-search vector-database
• 最后活动时间: 2026-03-27

text-extract-api

基于先进OCR和Ollama模型的文档提取API，支持PDF、Word、PPTX等格式，可匿名化文档并转换为结构化数据。

• Stars: ⭐️ 3.1k
• Tags: OCR Document Extraction API
• 最后活动时间: 2025-12-08

webdataset

面向深度学习的高性能Python I/O系统，支持大规模数据集处理，与PyTorch深度集成。

• Stars: ⭐️ 3.0k
• Tags: deep-learning pytorch data-loading webdataset-format
• 最后活动时间: 2026-02-09

chunkr

将复杂文档转换为RAG/LLM可用数据的视觉基础设施工具。

• Stars: ⭐️ 2.9k
• Tags: rag document-processing llm data-pipeline
• 最后活动时间: 2026-04-09

llm_aided_ocr

利用LLM增强Tesseract OCR输出，支持错误纠正、智能分块和Markdown格式化。

• Stars: ⭐️ 2.9k
• Tags: OCR PDF处理 LLM
• 最后活动时间: 2026-03-22

vortex

一个可扩展的现代化列式文件格式，专为高效存储和处理多模态AI数据而设计，支持高级压缩和快速查询。

• Stars: ⭐️ 2.9k
• Tags: columnar file-format multimodal rust arrow
• 最后活动时间: 2026-04-13

cppjieba

高性能中文分词库C++实现，支持多种分词模式，是中文NLP文本处理的基础工具。

• Stars: ⭐️ 2.8k
• Tags: nlp chinese-segmentation text-processing cpp jieba
• 最后活动时间: 2026-03-18

AnyCrawl

高性能Node.js爬虫框架，专为LLM应用优化的数据提取工具。支持将网站内容转换为LLM就绪格式，并提供SERP结构化数据提取能力。

• Stars: ⭐️ 2.8k
• Tags: Web Crawler LLM Data RAG SERP
• 最后活动时间: 2026-04-07

datachain

多模态数据分析与ETL工具，支持视频、音频、PDF和图像的版本管理与嵌入处理。

• Stars: ⭐️ 2.7k
• Tags: Multimodal ETL LLM
• 最后活动时间: 2026-04-13

meltano

声明式数据集成引擎，简化ML应用的数据管道构建与API集成。

• Stars: ⭐️ 2.5k
• Tags: data-integration elt data-pipelines dataops open-source
• 最后活动时间: 2026-04-11

meltano

声明式数据集成引擎，简化ML应用的数据管道构建与API集成。

• Stars: ⭐️ 2.4k
• Tags: data-integration elt data-pipelines dataops open-source
• 最后活动时间: 2026-04-08

spider

高性能Rust网络爬虫和抓取工具，支持无头浏览器，为AI应用提供数据采集能力。

• Stars: ⭐️ 2.4k
• Tags: ai-agent crawler web-scraping spider
• 最后活动时间: 2026-04-13

awesome-duckdb

DuckDB资源精选列表，适用于AI数据管道和分析型数据库场景。

• Stars: ⭐️ 2.4k
• Tags: duckdb database data-analytics sql
• 最后活动时间: 2026-04-11

splink

快速、准确且可扩展的概率数据链接工具，支持多种SQL后端，用于实体解析和去重。

• Stars: ⭐️ 2.1k
• Tags: entity-resolution record-linkage deduplication data-matching
• 最后活动时间: 2026-04-09

docext

本地部署的无OCR非结构化数据提取工具，支持Markdown转换和基准测试，适用于RAG文档预处理场景。

• Stars: ⭐️ 2.0k
• Tags: Document Extraction OCR-Free On-Premise
• 最后活动时间: 2026-03-17

onefilellm

将GitHub仓库、arXiv论文、YouTube字幕等多种来源内容抓取并整理为文本，便于LLM输入处理。

• Stars: ⭐️ 1.9k
• Tags: llm arxiv github pdf youtube-transcript
• 最后活动时间: 2026-02-08

contextgem

专注于文档信息提取的LLM框架，支持从合同、报告等文档中提取结构化数据，适用于企业级文档智能处理场景。

• Stars: ⭐️ 1.8k
• Tags: LLM 文档提取 合同分析
• 最后活动时间: 2026-03-16

WaterCrawl

将网页内容转换为LLM就绪数据的爬虫工具，支持HTML转Markdown。

• Stars: ⭐️ 1.8k
• Tags: crawler scraper llm html2markdown web-scraping
• 最后活动时间: 2026-03-14

semtools

命令行语义搜索与文档解析工具，基于Rust开发，支持静态嵌入和高效语义检索。

• Stars: ⭐️ 1.8k
• Tags: Semantic Search CLI Rust
• 最后活动时间: 2026-03-11

markpdfdown

基于大模型视觉识别的高质量PDF转Markdown工具，支持复杂排版。

• Stars: ⭐️ 1.7k
• Tags: pdf markdown llm pdf-converter
• 最后活动时间: 2026-01-25

tika-python

Apache Tika的Python绑定，提供文本提取和内容解析功能。支持多种文档格式的文本和元数据提取。

• Stars: ⭐️ 1.7k
• Tags: text-extraction document-parsing python
• 最后活动时间: 2026-03-28

DataProfiler

强大的数据剖析工具，可从数据集中提取模式、统计信息和实体，支持PII敏感数据检测和NLP实体识别。

• Stars: ⭐️ 1.6k
• Tags: data-profiling nlp entity-extraction pii-detection machine-learning
• 最后活动时间: 2026-04-07

pymupdf4llm

专为LLM优化的PDF解析库，基于PyMuPDF提供高效的文档提取能力。

• Stars: ⭐️ 1.5k
• Tags: pdf parsing llm rag
• 最后活动时间: 2026-04-10

thepipe

基于视觉语言模型的文档数据提取工具，支持从PDF、网页等复杂文档中提取结构化数据，为RAG应用提供高质量数据预处理管道。

• Stars: ⭐️ 1.5k
• Tags: 文档提取 多模态 RAG
• 最后活动时间: 2026-03-25

docstrange

智能文档数据提取工具，支持多种格式转换和高级OCR，可将任意文档转为Markdown、JSON等结构化格式。

• Stars: ⭐️ 1.4k
• Tags: Document Parsing OCR Structured Data
• 最后活动时间: 2025-10-31

docling-serve

将Docling文档解析库封装为API服务，支持AI驱动的文档理解和结构化提取，适用于RAG应用场景。

• Stars: ⭐️ 1.4k
• Tags: document-parsing rag api-service docling
• 最后活动时间: 2026-04-10

odd-platform

开源数据发现与可观测性平台，帮助数据从业者管理数据血缘和质量。

• Stars: ⭐️ 1.4k
• Tags: data-discovery data-observability data-lineage
• 最后活动时间: 2026-04-03

quilt

AWS上的科学数据管理平台，帮助团队和AI系统高效发现、信任和复用版本化数据包。

• Stars: ⭐️ 1.4k
• Tags: data-management data-versioning aws ai-data
• 最后活动时间: 2026-04-10

amphi-etl

Python驱动的可视化数据准备工具，支持结构化与非结构化数据ETL。

• Stars: ⭐️ 1.4k
• Tags: etl data-pipelines data-preparation
• 最后活动时间: 2026-04-13

deepwiki-mcp

MCP 服务器，用于获取 deepwiki.com 最新知识，支持 Cursor 等代码编辑器。

• Stars: ⭐️ 1.3k
• Tags: mcp knowledge-base documentation rag
• 最后活动时间: 2026-03-20

OpenOCR

开源OCR工具包，集成统一训练评估基准和商业级文档解析系统，支持场景文本检测与识别。

• Stars: ⭐️ 1.3k
• Tags: OCR 文档解析 PyTorch
• 最后活动时间: 2026-03-02

OpenContracts

人机协作的知识库构建平台，支持文档标注、版本控制、语义搜索和MCP协议。

• Stars: ⭐️ 1.3k
• Tags: 文档标注 知识库 MCP
• 最后活动时间: 2026-04-13

botflow

用于数据管道工作的Python快速数据流编程框架，支持爬虫、机器学习和量化交易。

• Stars: ⭐️ 1.2k
• Tags: data-pipeline machine-learning python
• 最后活动时间: 2026-02-03

langchain-extract

基于LangChain的数据提取工具，简化结构化数据抽取流程。

• Stars: ⭐️ 1.2k
• Tags: data-extraction langchain llm fastapi
• 最后活动时间: 2026-02-10

Oxen

专为机器学习数据集设计的快速版本控制系统，支持结构化和非结构化数据。

• Stars: ⭐️ 1.1k
• Tags: data-version-control machine-learning datasets rust
• 最后活动时间: 2026-04-13

pdf-document-layout-analysis

基于Docker的PDF文档布局分析服务，可识别文本、标题、图片、表格等元素，适用于RAG文档预处理。

• Stars: ⭐️ 1.1k
• Tags: pdf document-analysis layout-analysis ocr
• 最后活动时间: 2026-04-02

kg-gen

从任意文本生成知识图谱的工具，发表于NeurIPS 2025。

• Stars: ⭐️ 1.1k
• Tags: knowledge-graph llm nlp
• 最后活动时间: 2026-03-24

ocrbase

基于 PaddleOCR-VL 的 PDF 文档处理工具，支持将 PDF 转换为 Markdown 或 JSON 格式，提供结构化数据提取能力，可自托管部署。

• Stars: ⭐️ 990
• Tags: OCR PDF处理 文档解析 PaddleOCR
• 最后活动时间: 2026-04-09

data-prep-kit

开源GenAI数据准备工具包，提供数据清洗、去重、预处理等完整流水线支持。

• Stars: ⭐️ 918
• Tags: data-preparation llm data-processing finetuning
• 最后活动时间: 2026-03-13

spacy-layout

spaCy官方文档处理扩展，支持PDF、Word等格式的智能解析与布局分析，为RAG应用提供高质量预处理能力。

• Stars: ⭐️ 881
• Tags: NLP PDF处理 RAG 文档解析
• 最后活动时间: 2026-03-27

mdream

GitHub上最快的HTML转Markdown转换器，专为LLM优化并支持流式处理。

• Stars: ⭐️ 861
• Tags: html markdown llm streaming
• 最后活动时间: 2026-04-06

img2table

基于OpenCV的表格识别与提取库，支持从PDF和图片中提取表格数据。

• Stars: ⭐️ 861
• Tags: table-extraction ocr document-ai
• 最后活动时间: 2026-04-03

dataset-viewer

Hugging Face 数据集查看器的后端服务，提供公开 API 用于浏览和分析机器学习数据集。

• Stars: ⭐️ 856
• Tags: HuggingFace Datasets API
• 最后活动时间: 2026-04-08

ontogpt

基于 LLM 的本体知识抽取工具，支持命名实体识别和关系抽取等 NLP 任务。

• Stars: ⭐️ 851
• Tags: Ontology NER LLM
• 最后活动时间: 2026-04-07

deeptime

用于时间序列分析的Python库，支持降维、聚类和马尔可夫模型估计，适用于复杂系统动力学建模。

• Stars: ⭐️ 849
• Tags: time-series-analysis markov-model clustering machine-learning
• 最后活动时间: 2026-03-30

llama-scan

使用本地LLM转录PDF文档的工具，支持离线文档处理。

• Stars: ⭐️ 818
• Tags: llm pdf transcription local-llm
• 最后活动时间: 2026-01-27

llms-txt-hub

最大的AI就绪文档目录，实现llms.txt标准，帮助LLM更好地理解和检索文档内容。

• Stars: ⭐️ 791
• Tags: llms-txt documentation RAG
• 最后活动时间: 2026-04-13

markitdown

支持Java命令行和Python Web的双版本文档转Markdown工具，集成PaddleOCR实现智能文档解析。

• Stars: ⭐️ 786
• Tags: document-converter ocr markdown paddleocr
• 最后活动时间: 2026-03-23

text-dedup

一站式文本去重工具，支持多种去重算法，高效处理大规模文本数据。

• Stars: ⭐️ 750
• Tags: deduplication text-processing data-processing
• 最后活动时间: 2026-03-09

datavines

下一代数据可观测性平台，支持元数据管理和数据质量监控，为AI/ML数据管道提供可靠的数据质量保障。

• Stars: ⭐️ 729
• Tags: data-quality data-observability metadata data-engineering
• 最后活动时间: 2026-04-13

datashare

自托管文档搜索引擎，支持命名实体识别(NER)和文本提取，适用于调查性新闻和数据挖掘场景。

• Stars: ⭐️ 726
• Tags: named-entity-recognition text-extraction elasticsearch search-engine
• 最后活动时间: 2026-04-10

Herbie

下载气象数值预测数据集的工具，支持HRRR、GFS等多种格式，适用于AI气象预测模型训练。

• Stars: ⭐️ 726
• Tags: weather dataset meteorology xarray
• 最后活动时间: 2026-04-10

PyMuPDF-Utilities

基于PyMuPDF的实用工具集，提供PDF文档处理、OCR文字识别、文本提取等功能示例。

• Stars: ⭐️ 713
• Tags: pdf ocr document-processing python pymupdf
• 最后活动时间: 2026-01-08

kordoc

支持多种文档格式（HWP、HWPX、PDF、XLSX、DOCX）转换为Markdown的解析工具，提供CLI和MCP服务器接口，适合RAG应用场景。

• Stars: ⭐️ 710
• Tags: document-parser mcp pdf docx markdown
• 最后活动时间: 2026-04-11

dataset-viewer

由AI Agent构建的现代化数据集查看器，支持从Hugging Face、S3、WebDAV等多种来源流式加载大文件，适合AI开发者快速预览和处理训练数据。

• Stars: ⭐️ 664
• Tags: Dataset Streaming Tauri
• 最后活动时间: 2026-03-28

dedoc

自动化文档解析库，支持提取内容、逻辑结构、表格和元信息，兼容多种文档格式。

• Stars: ⭐️ 657
• Tags: 文档解析 表格识别 OCR
• 最后活动时间: 2026-04-07

kepler-mapper

灵活的Python Mapper算法实现，用于拓扑数据分析(TDA)。可将高维数据映射为可理解的图结构，帮助发现数据中的隐藏模式和形状。

• Stars: ⭐️ 650
• Tags: topological-data-analysis data-visualization python mapper-algorithm tda
• 最后活动时间: 2026-03-07

html-to-markdown

高性能HTML转Markdown转换器，支持OCR和文档智能处理，适用于RAG数据预处理。

• Stars: ⭐️ 644
• Tags: html-converter markdown text-extraction rag
• 最后活动时间: 2026-04-12

pdf-reader-mcp

生产级PDF处理MCP服务器，支持并行处理，速度提升5-10倍，测试覆盖率94%以上。

• Stars: ⭐️ 639
• Tags: MCP PDF Document Processing Parallel Processing
• 最后活动时间: 2026-04-13

ade-python

用于智能文档提取的Python库，支持AI驱动的文档解析与信息抽取。

• Stars: ⭐️ 639
• Tags: document-extraction ai-agents python-library
• 最后活动时间: 2026-04-09

semchunk

轻量级Python文本语义分块库，优化RAG系统检索效果。

• Stars: ⭐️ 605
• Tags: semantic-chunking text-processing rag
• 最后活动时间: 2026-03-23

text-splitter

将文本按语义智能分块的 Rust/Python 库，支持按字符和 Token 计算长度，是 RAG 系统中文档预处理的关键组件。

• Stars: ⭐️ 584
• Tags: text-splitting rag chunking nlp rust
• 最后活动时间: 2026-04-12

mineru-tianshu

企业级AI数据预处理平台，支持PDF/Office转Markdown、多模态信息提取，集成MCP协议AI助手。

• Stars: ⭐️ 577
• Tags: document-parsing mcp multimodal rag
• 最后活动时间: 2026-04-13

docling-mcp

通过 MCP 协议让 Docling 文档解析工具具备智能体能力，实现文档处理的自动化。

• Stars: ⭐️ 565
• Tags: mcp document-processing agent rag
• 最后活动时间: 2026-04-07

r-polars

Polars 的 R 语言绑定，提供高性能 DataFrame 数据处理能力，广泛应用于机器学习和数据分析工作流。

• Stars: ⭐️ 562
• Tags: polars dataframe data-processing r rust
• 最后活动时间: 2026-04-11

pdf_oxide

极速PDF处理库，支持文本提取、图片提取、Markdown转换等功能，比行业领先方案快5倍，非常适合RAG场景。

• Stars: ⭐️ 557
• Tags: pdf pdf-parser pdf-to-markdown rag text-extraction
• 最后活动时间: 2026-04-12

harvester

智能数据采集框架，支持从GitHub和网页源获取数据，集成Anthropic、DeepSeek、Gemini、OpenAI、Qwen等多种AI模型。

• Stars: ⭐️ 550
• Tags: ai data-collection web-scraping openai anthropic
• 最后活动时间: 2025-12-25

DeepSeek-OCR-Web

基于DeepSeek的开箱即用OCR文档解析Web工作室，支持智能文档识别与结构化提取。

• Stars: ⭐️ 545
• Tags: OCR Document Parsing DeepSeek
• 最后活动时间: 2025-10-27

scrape-it-now

专为AI设计的网页爬虫工具，支持并行处理并输出高质量Markdown内容，适合用于AI训练数据采集。

• Stars: ⭐️ 540
• Tags: ai scraper cli markdown
• 最后活动时间: 2025-11-03

wdoc

强大的异构文档处理工具，支持多种文件格式和任意LLM提供商，提供高级RAG检索和智能摘要功能。

• Stars: ⭐️ 514
• Tags: RAG Document Processing LLM
• 最后活动时间: 2026-03-08

ragflow-upload

RagFlow文档批量上传与解析自动化工具，支持将文档自动上传至知识库并完成解析，显著提升RAG系统构建效率。

• Stars: ⭐️ 505
• Tags: ragflow document-upload knowledge-base automation
• 最后活动时间: 2026-03-26

MinerU-Diffusion

基于扩散模型的文档OCR框架，采用块级并行扩散解码替代自回归解码，高效提取PDF文档数据。

• Stars: ⭐️ 502
• Tags: diffusion ocr document-analysis pdf-parser
• 最后活动时间: 2026-03-31

RAG Frameworks

ragflow

领先的开源检索增强生成引擎，融合前沿RAG技术与Agent能力，支持深度文档理解和GraphRAG。

• Stars: ⭐️ 77.9k
• Tags: RAG Agent GraphRAG
• 最后活动时间: 2026-04-13

pathway

高性能Python ETL框架，支持流处理、实时分析、LLM管道和RAG应用开发。

• Stars: ⭐️ 63.5k
• Tags: ETL RAG Stream Processing LLM
• 最后活动时间: 2026-04-13

llm-app

开箱即用的RAG和AI管道云模板，支持多数据源实时同步，Docker友好，适合构建企业级实时数据检索应用。

• Stars: ⭐️ 60.0k
• Tags: RAG Real-time Enterprise
• 最后活动时间: 2026-01-07

llama_index

领先的数据框架，专注于连接自定义数据与大语言模型，支持构建RAG应用和文档智能体，是开发LLM应用的核心工具。

• Stars: ⭐️ 48.5k
• Tags: RAG Agents LLM Framework
• 最后活动时间: 2026-04-10

mempalace

高性能 AI 记忆系统，在基准测试中得分最高，支持 MCP 协议和 ChromaDB 向量存储。

• Stars: ⭐️ 41.5k
• Tags: memory llm mcp chromadb rag
• 最后活动时间: 2026-04-11

Langchain-Chatchat

基于Langchain的本地知识库问答应用，支持ChatGLM、Qwen、Llama等多种大语言模型，提供完整的RAG和Agent功能。

• Stars: ⭐️ 37.8k
• Tags: RAG LangChain 知识库 ChatGLM
• 最后活动时间: 2025-11-10

LightRAG

轻量高效的RAG框架，结合知识图谱实现快速准确的文档检索与问答，资源消耗低、响应速度快。

• Stars: ⭐️ 33.1k
• Tags: RAG 知识图谱 检索增强
• 最后活动时间: 2026-04-12

graphrag

微软开源的模块化图结构RAG系统，提升复杂知识检索与推理能力。

• Stars: ⭐️ 32.2k
• Tags: RAG GraphRAG LLM GPT-4
• 最后活动时间: 2026-04-13

FastGPT

基于大语言模型的知识库平台，提供数据处理、RAG检索和可视化AI工作流编排能力。

• Stars: ⭐️ 27.7k
• Tags: RAG Workflow LLM Agent
• 最后活动时间: 2026-04-13

GitNexus

零服务器代码智能引擎，在浏览器中运行的知识图谱创建器，内置Graph RAG智能体。

• Stars: ⭐️ 27.0k
• Tags: knowledge-graph rag code-intelligence browser
• 最后活动时间: 2026-04-13

RAG_Techniques

展示RAG系统各种高级技术的资源库，结合信息检索与生成模型提供精准响应。

• Stars: ⭐️ 26.7k
• Tags: RAG LangChain 教程
• 最后活动时间: 2026-04-11

kotaemon

开源RAG工具，支持与文档进行智能对话，基于检索增强生成技术让用户轻松与文档内容交互。

• Stars: ⭐️ 25.3k
• Tags: RAG Document Chat Open Source
• 最后活动时间: 2026-04-03

PageIndex

创新的无向量RAG文档索引方案，通过推理能力实现精准文档检索，摆脱对传统向量数据库的依赖。

• Stars: ⭐️ 25.1k
• Tags: RAG 文档索引 推理检索
• 最后活动时间: 2026-04-10

graphify

将任意代码、文档或图像文件夹转换为可查询的知识图谱，支持Claude Code、Codex等多种AI编码助手的GraphRAG技能。

• Stars: ⭐️ 24.5k
• Tags: graphrag knowledge-graph claude-code codex
• 最后活动时间: 2026-04-13

localGPT

在本地设备上使用GPT模型与文档对话，数据完全私有化，100%保护隐私。

• Stars: ⭐️ 22.2k
• Tags: rag local-llm document-qa privacy
• 最后活动时间: 2026-03-10

sentence-transformers

业界领先的文本嵌入框架，提供最先进的句子和文本向量表示，广泛应用于语义搜索、聚类和RAG系统。

• Stars: ⭐️ 18.5k
• Tags: embeddings nlp transformers semantic-search
• 最后活动时间: 2026-04-10

RAG-Anything

一站式RAG框架，支持多模态检索增强生成，简化RAG系统开发流程。

• Stars: ⭐️ 15.6k
• Tags: rag retrieval-augmented-generation multi-modal framework
• 最后活动时间: 2026-04-07

cognee

AI代理记忆知识引擎，6行代码即可集成知识图谱与向量数据库，支持Graph RAG和多种后端存储。

• Stars: ⭐️ 15.2k
• Tags: 知识图谱 Graph RAG AI代理记忆
• 最后活动时间: 2026-04-13

memvid

轻量级AI智能体记忆层，用无服务器单文件方案替代复杂RAG管道，支持即时检索和长期记忆。

• Stars: ⭐️ 14.9k
• Tags: RAG AI记忆 无服务器
• 最后活动时间: 2026-03-16

llmware

企业级RAG管道统一框架，专注于使用小型专业化模型构建检索增强生成系统。

• Stars: ⭐️ 14.9k
• Tags: RAG Enterprise LLM
• 最后活动时间: 2026-03-26

WeKnora

基于LLM的深度文档理解框架，采用RAG范式实现语义检索和上下文感知问答，支持多租户和多模型架构。

• Stars: ⭐️ 13.8k
• Tags: RAG Semantic Search Document Understanding
• 最后活动时间: 2026-04-13

txtai

一体化AI框架，支持语义搜索、LLM编排和语言模型工作流，集成向量数据库和AI代理功能。

• Stars: ⭐️ 12.4k
• Tags: RAG 语义搜索 LLM 向量数据库
• 最后活动时间: 2026-04-08

FlagEmbedding

BAAI开源的嵌入模型与检索增强生成工具包，支持文本语义相似度计算和大模型检索增强。

• Stars: ⭐️ 11.5k
• Tags: Embeddings RAG LLM
• 最后活动时间: 2026-04-01

quickwit

云原生搜索引擎，专为可观测性设计，可作为RAG系统的检索后端，支持大规模日志和文档检索。

• Stars: ⭐️ 11.1k
• Tags: search-engine cloud-native distributed-tracing tantivy
• 最后活动时间: 2026-04-13

LEANN

高效隐私的本地RAG解决方案，支持97%存储压缩，可在个人设备上运行快速、准确的检索增强生成应用。

• Stars: ⭐️ 10.8k
• Tags: RAG Privacy Local Storage
• 最后活动时间: 2026-04-13

KAG

基于OpenSPG引擎的逻辑推理增强检索框架，专为专业领域知识库设计，有效解决传统RAG向量相似度计算的局限性。

• Stars: ⭐️ 8.7k
• Tags: RAG Knowledge Graph Reasoning
• 最后活动时间: 2026-01-28

paper-qa

高精度 RAG 框架，专为科学文献问答设计，支持引用溯源。

• Stars: ⭐️ 8.4k
• Tags: rag science search citations
• 最后活动时间: 2026-03-20

R2R

生产级AI检索系统，提供基于Agent的RAG框架和RESTful API接口。

• Stars: ⭐️ 7.8k
• Tags: rag retrieval-augmented-generation large-language-models retrieval-systems
• 最后活动时间: 2025-11-07

deep-searcher

开源深度研究工具，结合Agentic RAG技术在私有数据上实现智能推理与搜索，支持多种LLM和向量数据库。

• Stars: ⭐️ 7.7k
• Tags: RAG Agent Deep Research
• 最后活动时间: 2025-11-19

azure-search-openai-demo

微软官方RAG模式示例应用，结合Azure AI Search和Azure OpenAI实现企业级智能问答。

• Stars: ⭐️ 7.6k
• Tags: RAG Azure Enterprise
• 最后活动时间: 2026-04-10

pdfGPT

基于GPT的PDF文档对话工具，让用户能够与PDF内容进行智能问答交互。

• Stars: ⭐️ 7.2k
• Tags: pdf gpt rag document-qa chatbot
• 最后活动时间: 2026-03-06

airweave

开源AI智能体上下文检索层，支持多种数据连接器和语义搜索，轻松实现企业数据访问与检索。

• Stars: ⭐️ 6.2k
• Tags: RAG 语义搜索 数据连接器
• 最后活动时间: 2026-04-10

pgai

PostgreSQL AI扩展工具集，让开发者能够更轻松地构建RAG、语义搜索等AI应用。

• Stars: ⭐️ 5.8k
• Tags: PostgreSQL RAG Semantic Search
• 最后活动时间: 2026-02-11

UltraRAG

低代码MCP框架，用于构建复杂创新的RAG管道，支持多模态检索和多种LLM后端集成，简化RAG应用开发流程。

• Stars: ⭐️ 5.5k
• Tags: RAG MCP 低代码 多模态
• 最后活动时间: 2026-04-13

AutoRAG

开源RAG评估与优化框架，采用AutoML风格自动化技术，提供完整的评估、基准测试和优化管道。

• Stars: ⭐️ 4.7k
• Tags: RAG Evaluation AutoML
• 最后活动时间: 2026-04-10

llm-graph-builder

基于LLM的Neo4j知识图谱构建工具，支持从非结构化数据自动生成图结构，助力GraphRAG应用开发。

• Stars: ⭐️ 4.6k
• Tags: Knowledge Graph GraphRAG Neo4j LLM
• 最后活动时间: 2026-04-07

cognita

TrueFoundry开源的RAG框架，用于构建模块化、可生产的AI应用。

• Stars: ⭐️ 4.4k
• Tags: RAG LLM Framework Enterprise
• 最后活动时间: 2026-03-13

local-deep-research

本地深度研究工具，SimpleQA基准95%准确率，支持arXiv、PubMed等10+数据源，全程本地加密。

• Stars: ⭐️ 4.3k
• Tags: Deep Research Local LLM RAG Self-hosted
• 最后活动时间: 2026-04-13

memory-lancedb-pro

增强版LanceDB记忆插件，支持混合检索（向量+BM25）、交叉编码器重排序和多范围隔离。

• Stars: ⭐️ 4.2k
• Tags: LanceDB RAG Hybrid Retrieval
• 最后活动时间: 2026-04-12

chonkie

轻量级文档分块库，专为高效RAG管道设计，支持语义分块、相似度搜索等多种分割算法。

• Stars: ⭐️ 3.9k
• Tags: Chunking RAG Text-Splitter
• 最后活动时间: 2026-04-12

ColBERT

业界领先的神经搜索框架，支持高效文档检索与语义搜索，发表于SIGIR、NeurIPS等顶会。

• Stars: ⭐️ 3.8k
• Tags: neural-search information-retrieval bert semantic-search
• 最后活动时间: 2025-10-14

nano-graphrag

简洁易读的GraphRAG实现，专为学习和二次开发设计，适合理解图增强检索技术的核心原理。

• Stars: ⭐️ 3.8k
• Tags: GraphRAG Knowledge Graph RAG
• 最后活动时间: 2026-01-27

fast-graphrag

智能适配用户场景、数据和查询的 RAG 框架，提供高性能检索能力。

• Stars: ⭐️ 3.8k
• Tags: rag graphrag retrieval knowledge-graph
• 最后活动时间: 2025-11-01

morphik-core

高精度文档搜索与存储引擎，支持多模态RAG应用开发，集成ColPali检索技术。

• Stars: ⭐️ 3.6k
• Tags: rag document-search multimodal database
• 最后活动时间: 2026-04-02

FlashRAG

高效RAG研究Python工具包，WWW2025资源论文，支持检索增强生成全流程。

• Stars: ⭐️ 3.5k
• Tags: RAG LLM Retrieval Benchmark
• 最后活动时间: 2026-04-10

lucene

Apache Lucene是业界领先的开源全文搜索引擎库，为RAG系统和信息检索应用提供核心基础能力。

• Stars: ⭐️ 3.4k
• Tags: search-engine information-retrieval java full-text-search
• 最后活动时间: 2026-04-12

cohere-toolkit

Cohere官方推出的RAG应用构建工具包，提供预构建组件帮助开发者快速搭建和部署检索增强生成应用。

• Stars: ⭐️ 3.2k
• Tags: rag cohere llm toolkit
• 最后活动时间: 2026-03-31

sentrysearch

基于Gemini Embedding 2或Qwen3-VL的视频语义搜索工具，支持对行车记录仪和特斯拉视频进行智能检索。

• Stars: ⭐️ 3.1k
• Tags: semantic-search video gemini qwen3-vl chromadb
• 最后活动时间: 2026-04-12

ChatRTX

NVIDIA 开发的 RAG 聊天机器人参考项目，支持在 Windows 上使用 TensorRT-LLM 进行本地部署。

• Stars: ⭐️ 3.1k
• Tags: rag tensorrt llm chatbot windows
• 最后活动时间: 2026-01-21

knowledge_graph

将任意文本转换为知识图谱，支持Graph Augmented Generation和基于知识图谱的问答系统。

• Stars: ⭐️ 3.1k
• Tags: Knowledge Graph RAG Text Processing
• 最后活动时间: 2026-02-12

agentic-rag-for-dummies

基于LangGraph构建的模块化Agentic RAG系统，帮助开发者快速上手检索增强生成智能体。

• Stars: ⭐️ 3.0k
• Tags: RAG Agent LangGraph Qdrant
• 最后活动时间: 2026-04-01

swirl-search

无需移动数据的AI搜索与RAG平台，支持100+应用联邦查询，分钟级部署，保障数据安全。

• Stars: ⭐️ 3.0k
• Tags: rag federated-search ai-search retrieval-augmented-generation
• 最后活动时间: 2026-04-12

NeMo-Retriever

NVIDIA开源的可扩展文档内容提取微服务，支持文本、表格、图表和图像提取，专为生成式AI应用设计。

• Stars: ⭐️ 2.9k
• Tags: RAG NVIDIA Document Extraction
• 最后活动时间: 2026-04-08

VideoRAG

KDD'2026论文项目，实现与视频内容的对话式交互，结合长视频理解与检索增强生成技术。

• Stars: ⭐️ 2.9k
• Tags: Video RAG Multi-Modal Long-Video
• 最后活动时间: 2026-03-18

autoflow

基于 Graph RAG 的对话式知识库工具，使用 TiDB Serverless 向量存储构建。支持知识图谱和智能问答。

• Stars: ⭐️ 2.8k
• Tags: RAG GraphRAG Vector Database Knowledge Graph
• 最后活动时间: 2026-04-05

memobase

面向AI聊天应用的用户画像长期记忆系统，支持RAG检索增强。

• Stars: ⭐️ 2.7k
• Tags: ai-memory long-term-memory rag llm-memory user-profile
• 最后活动时间: 2026-01-11

trieve

一站式搜索、推荐、RAG和分析平台，提供完整的API服务。

• Stars: ⭐️ 2.6k
• Tags: ai rag search-engine vector-search embedding
• 最后活动时间: 2026-01-25

colpali

ColVision系列模型训练与推理代码，支持ColPali、ColQwen2等视觉语言检索模型。

• Stars: ⭐️ 2.6k
• Tags: vision-language-model information-retrieval rag colpali
• 最后活动时间: 2026-04-06

claude-supermemory

让 Claude Code 实时学习并更新知识库，实现持续成长的记忆系统。

• Stars: ⭐️ 2.5k
• Tags: claude-code memory rag supermemory
• 最后活动时间: 2026-03-06

ddgs

元搜索库，聚合多源网络搜索结果，提供MCP服务器接口供AI代理调用。

• Stars: ⭐️ 2.4k
• Tags: metasearch websearch mcp mcp-server search-api
• 最后活动时间: 2026-04-11

code-graph-rag

面向单体代码库的终极RAG解决方案，结合知识图谱和AI技术实现多语言代码库的查询、理解与编辑。

• Stars: ⭐️ 2.3k
• Tags: RAG Knowledge Graph Code Analysis MCP
• 最后活动时间: 2026-03-27

kernel-memory

面向用户和应用的内存解决方案，提供索引、语义搜索和RAG能力，支持团队协作。

• Stars: ⭐️ 2.1k
• Tags: RAG Memory Semantic-Search Indexing
• 最后活动时间: 2025-12-18

beir

异构信息检索基准平台，支持15+数据集的零样本检索模型评估。

• Stars: ⭐️ 2.1k
• Tags: information-retrieval benchmark rag passage-retrieval
• 最后活动时间: 2025-10-16

graph-rag-agent

整合GraphRAG、LightRAG和Neo4j的知识图谱构建与搜索框架，结合DeepSearch实现私域RAG推理，并提供GraphRAG评估框架。

• Stars: ⭐️ 2.1k
• Tags: GraphRAG Knowledge-Graph DeepSearch Evaluation
• 最后活动时间: 2025-11-05

pyserini

用于可复现信息检索研究的Python工具包，支持稀疏和密集表示。

• Stars: ⭐️ 2.0k
• Tags: information-retrieval search python
• 最后活动时间: 2026-04-12

trustgraph

图原生上下文开发平台，提供知识存储、丰富和检索能力，支持语义检索和可移植上下文核心。

• Stars: ⭐️ 2.0k
• Tags: 知识图谱 语义检索 上下文平台
• 最后活动时间: 2026-04-13

ai-knowledge-graph

AI驱动的知识图谱生成器，支持可视化展示与网络分析。

• Stars: ⭐️ 2.0k
• Tags: knowledge-graph llm visualization networkx
• 最后活动时间: 2025-12-28

agentset

开源RAG平台，内置引用、深度研究、支持22+文件格式、分区和MCP服务器等功能。

• Stars: ⭐️ 1.9k
• Tags: RAG AI Agents Embeddings
• 最后活动时间: 2026-03-21

obsidian-omnisearch

Obsidian智能搜索引擎，支持OCR文字识别和PDF索引，提供语义化搜索体验。

• Stars: ⭐️ 1.9k
• Tags: Search OCR PDF RAG
• 最后活动时间: 2026-02-28

notebooklm-mcp

NotebookLM的MCP服务器，让AI代理直接从知识库获取带引用支撑的精准答案，实现零幻觉研究。

• Stars: ⭐️ 1.9k
• Tags: MCP NotebookLM RAG AI Agents
• 最后活动时间: 2025-12-27

MiniRAG

使用小型开源语言模型简化 RAG 系统的轻量级框架。

• Stars: ⭐️ 1.8k
• Tags: rag small-language-models lightweight open-source
• 最后活动时间: 2025-10-16

fully-local-pdf-chatbot

完全本地化的PDF文档对话实现，支持离线运行，保护数据隐私。

• Stars: ⭐️ 1.8k
• Tags: rag pdf local-llm document-chat
• 最后活动时间: 2025-12-06

yt-fts

YouTube全文本搜索工具，结合LLM和RAG技术实现语义搜索，支持从命令行搜索整个YouTube视频内容。

• Stars: ⭐️ 1.8k
• Tags: rag llm semantic-search chromadb cli
• 最后活动时间: 2026-01-22

fastRAG

Intel Labs开源的高效RAG框架，支持ColBERT、知识图谱、多模态检索，显著提升问答和搜索性能。

• Stars: ⭐️ 1.8k
• Tags: RAG 信息检索 Intel
• 最后活动时间: 2026-01-12

contextplus

面向大规模工程项目的MCP服务器，结合RAG、Tree-sitter AST和谱聚类技术，将代码库转化为可搜索的层次化特征图谱，实现99%精度的语义智能检索。

• Stars: ⭐️ 1.8k
• Tags: MCP Server RAG Code Intelligence
• 最后活动时间: 2026-04-06

llm-wiki-agent

自维护的个人知识库系统，支持 Claude Code、Codex、Gemini CLI，自动从源文件提取知识并构建互联 Wiki，无需 API 密钥。

• Stars: ⭐️ 1.7k
• Tags: knowledge-base rag knowledge-graph claude-code markdown wiki
• 最后活动时间: 2026-04-13

RAGHub

社区驱动的 RAG 框架、项目和资源集合，探索检索增强生成生态系统。

• Stars: ⭐️ 1.7k
• Tags: rag ai llm retrieval-augmented-generation
• 最后活动时间: 2026-01-15

edgequake

高性能GraphRAG框架，使用Rust编写，灵感源自LightRAG，专注于知识图谱检索。

• Stars: ⭐️ 1.7k
• Tags: graphrag rag rust knowledge-graph
• 最后活动时间: 2026-04-11

ragbits

GenAI应用快速开发构建块，提供文档搜索、评估、护栏、提示优化等完整工具链。

• Stars: ⭐️ 1.6k
• Tags: rag agents llms vector-stores document-search
• 最后活动时间: 2026-04-13

bm25s

高性能Python BM25词法搜索库，专为RAG系统提供快速检索能力。

• Stars: ⭐️ 1.6k
• Tags: bm25 lexical-search information-retrieval rag
• 最后活动时间: 2026-04-05

trench

开源分析基础设施，基于ClickHouse和Kafka构建，支持LLM RAG应用和产品分析仪表板。

• Stars: ⭐️ 1.6k
• Tags: analytics clickhouse kafka rag llm dashboard
• 最后活动时间: 2026-04-06

rerankers

轻量级统一的重排序API，支持所有常见的重排序和交叉编码器模型，简化RAG检索流程。

• Stars: ⭐️ 1.6k
• Tags: reranking cross-encoder RAG
• 最后活动时间: 2025-12-20

lotus

AI驱动的数据处理框架，结合LLM和嵌入技术实现语义搜索与查询，性能提升高达1000倍，API简洁如Pandas。

• Stars: ⭐️ 1.6k
• Tags: LLM Data Processing Semantic Search Pandas
• 最后活动时间: 2026-04-12

WikiChat

改进型RAG系统，通过语料库检索有效抑制大语言模型的幻觉问题。

• Stars: ⭐️ 1.6k
• Tags: rag llm factuality nlp
• 最后活动时间: 2026-01-31

dsRAG

高性能非结构化数据检索引擎，专为大规模数据处理优化。

• Stars: ⭐️ 1.6k
• Tags: rag retrieval unstructured-data search
• 最后活动时间: 2025-11-10

AgenticRAG-Survey

探索基于AI智能体增强的检索增强生成(RAG)系统，涵盖多智能体协作与工作流模式研究。

• Stars: ⭐️ 1.6k
• Tags: RAG Agent LLM 多智能体
• 最后活动时间: 2025-10-20

ck

本地优先的语义搜索与混合BM25工具，基于Rust构建，支持AI和人类使用的高效语义检索。

• Stars: ⭐️ 1.6k
• Tags: 语义搜索 Rust 本地优先
• 最后活动时间: 2026-01-27

awesome-search

搜索引擎技术资源大全，涵盖排序、语义搜索、知识图谱、查询理解等核心主题。

• Stars: ⭐️ 1.5k
• Tags: search-engine semantic-search learning-to-rank nlp
• 最后活动时间: 2026-04-05

elasticsearch-learning-to-rank

Elasticsearch学习排序插件，将机器学习应用于搜索相关性优化。

• Stars: ⭐️ 1.5k
• Tags: elasticsearch learning-to-rank search-relevance machine-learning
• 最后活动时间: 2026-02-19

sie

Superlinked开源推理引擎，专为嵌入向量、重排序和提取设计的生产级推理服务器与集群解决方案。

• Stars: ⭐️ 1.5k
• Tags: embeddings vector-search inference-server rag semantic-search
• 最后活动时间: 2026-04-10

ragflow-plus

Ragflow的二次开发增强版本，优化了原版使其更加简洁实用，适合构建RAG检索增强生成应用。

• Stars: ⭐️ 1.3k
• Tags: rag llm retrieval-augmented-generation knowledge-base
• 最后活动时间: 2025-12-17

TrustRAG

专注于可靠输入和可信输出的RAG框架，支持深度研究和搜索场景。

• Stars: ⭐️ 1.3k
• Tags: rag deep-research retrieval-augmented-generation
• 最后活动时间: 2026-01-07

Search-o1

EMNLP 2025论文，将智能搜索增强与大推理模型结合，提升复杂问题求解能力。

• Stars: ⭐️ 1.2k
• Tags: agentic-search rag reasoning search-enhanced
• 最后活动时间: 2025-11-17

memsearch

Markdown优先的AI智能体记忆系统，支持语义搜索和渐进式信息展示，让AI助手拥有持久化记忆能力。

• Stars: ⭐️ 1.2k
• Tags: Agent-Memory Semantic-Search RAG
• 最后活动时间: 2026-04-13

EmbedAnything

Rust构建的高性能嵌入和推理引擎，专为RAG应用设计，支持本地和云端部署，内存安全且生产就绪。

• Stars: ⭐️ 1.2k
• Tags: Rust Embeddings RAG
• 最后活动时间: 2026-03-11

chat-with-your-data-solution-accelerator

Azure RAG解决方案加速器，集成Azure AI Search和Azure OpenAI，快速构建企业级ChatGPT问答系统。

• Stars: ⭐️ 1.2k
• Tags: RAG Azure OpenAI Enterprise
• 最后活动时间: 2026-04-13

raglite

轻量级Python RAG工具包，支持DuckDB和PostgreSQL，提供检索增强生成的完整解决方案。

• Stars: ⭐️ 1.1k
• Tags: RAG Vector Search PostgreSQL DuckDB
• 最后活动时间: 2026-03-17

GPT-RAG

企业级安全RAG模式实现，使用Azure认知搜索和Azure OpenAI构建可扩展的智能问答系统。

• Stars: ⭐️ 1.1k
• Tags: RAG GPT-4 Azure Enterprise
• 最后活动时间: 2026-04-08

youtu-graphrag

ICLR 2026 论文项目，实现垂直统一的 GraphRAG 智能体，用于图检索增强的复杂推理任务。

• Stars: ⭐️ 1.1k
• Tags: graphrag agent llm graph
• 最后活动时间: 2026-02-26

ApeRAG

生产级 GraphRAG 框架，支持多模态索引、AI Agent 集成和 Kubernetes 弹性部署。

• Stars: ⭐️ 1.1k
• Tags: graphrag mcp knowledge-graph agents rag
• 最后活动时间: 2026-03-24

osgrep

开源语义搜索工具，专为AI Agent设计，基于ColBERT和嵌入技术实现智能检索。

• Stars: ⭐️ 1.1k
• Tags: colbert embeddings semantic-search ai-agent
• 最后活动时间: 2026-01-17

SAG

SQL驱动的RAG引擎，查询时自动构建知识图谱，支持向量搜索和知识库管理。

• Stars: ⭐️ 1.1k
• Tags: rag knowledge-graph graphrag llm
• 最后活动时间: 2025-12-08

neo4j-graphrag-python

Neo4j官方推出的GraphRAG Python库，将知识图谱与RAG技术结合，提升AI检索增强生成的准确性和可解释性。

• Stars: ⭐️ 1.1k
• Tags: GraphRAG Neo4j Python
• 最后活动时间: 2026-04-10

anserini

基于Lucene的可复现信息检索工具包，为RAG系统和搜索引擎提供强大的检索能力支持。

• Stars: ⭐️ 1.1k
• Tags: information-retrieval lucene search rag
• 最后活动时间: 2026-04-11

minima

本地部署的对话式RAG系统，支持可配置容器化部署，集成Ollama、Qdrant和LangChain等组件。

• Stars: ⭐️ 1.0k
• Tags: RAG Docker Ollama LangChain
• 最后活动时间: 2026-01-22

better-context

帮助开发者获取项目依赖库和技术的最新上下文信息，适用于AI辅助开发场景。

• Stars: ⭐️ 1.0k
• Tags: context documentation ai-tools
• 最后活动时间: 2026-04-12

semantica

构建语义层、上下文图和决策智能系统的框架，支持知识图谱和可解释性推理。

• Stars: ⭐️ 995
• Tags: graphrag knowledge-graphs semantic-layer ai-agents
• 最后活动时间: 2026-04-13

bilibili-rag

B站收藏夹智能RAG知识库工具，支持语音转写、向量检索和对话问答，让收藏内容不再吃灰。

• Stars: ⭐️ 992
• Tags: rag llm vector-search knowledge-base chroma
• 最后活动时间: 2026-03-19

supavec

Carbon.ai的开源替代方案，支持任意数据源和规模构建强大的RAG应用。

• Stars: ⭐️ 970
• Tags: rag ai nextjs typescript
• 最后活动时间: 2025-12-28

FlashRank

超轻量快速的重排序库，支持LLM和交叉编码器的Listwise/Pairwise重排序，专为检索管道优化。

• Stars: ⭐️ 962
• Tags: reranking cross-encoder RAG semantic-search
• 最后活动时间: 2026-01-01

nocturne_memory

轻量级可回滚的可视化长期记忆服务器，专为MCP智能体设计，支持图结构化记忆，可替代传统向量RAG方案。

• Stars: ⭐️ 945
• Tags: Memory MCP RAG
• 最后活动时间: 2026-04-11

VisRAG

基于视觉语言模型的无解析RAG框架，实现文档检索与理解的深度融合。

• Stars: ⭐️ 944
• Tags: RAG VLM Document Understanding
• 最后活动时间: 2025-12-07

recipes

Weaviate官方示例代码库，提供RAG、向量检索和生成式AI集成的端到端教程notebook。

• Stars: ⭐️ 940
• Tags: generative-ai rag vector-database vector-search
• 最后活动时间: 2026-04-06

itext2kg

创新的LLM驱动知识图谱构建框架，模拟自然界构建物质的方式生成知识图谱。

• Stars: ⭐️ 930
• Tags: knowledge-graph llms temporal-knowledge-graph rag
• 最后活动时间: 2025-11-08

lat.md

基于Markdown的代码库知识图谱工具，为AI应用提供结构化的代码知识索引。

• Stars: ⭐️ 923
• Tags: knowledge-graph markdown codebase rag
• 最后活动时间: 2026-04-02

rag-fusion

通过多查询生成和倒数排名融合技术显著提升RAG效果，内置NFCorpus/BEIR评估框架便于性能验证。

• Stars: ⭐️ 913
• Tags: RAG Vector Search Ranking Fusion
• 最后活动时间: 2026-03-07

similarities

开箱即用的相似度计算与语义搜索工具包，支持亿级数据的文搜文、文搜图、图搜图功能。

• Stars: ⭐️ 900
• Tags: semantic-search image-search text-matching faiss similarity
• 最后活动时间: 2026-03-05

layra

企业级智能系统解决方案，支持视觉RAG和多步骤Agent工作流编排，开箱即用。

• Stars: ⭐️ 899
• Tags: Visual RAG Agent 工作流编排
• 最后活动时间: 2025-10-14

Local_Pdf_Chat_RAG

纯Python实现的RAG框架，支持FAISS+BM25混合检索，兼容Ollama和SiliconFlow，适合新手学习RAG技术。

• Stars: ⭐️ 874
• Tags: rag faiss bm25 document-qa
• 最后活动时间: 2026-03-18

Local-NotebookLM

本地版Google NotebookLM，支持多模型API，实现私有化知识库问答。

• Stars: ⭐️ 873
• Tags: NotebookLM Local RAG
• 最后活动时间: 2026-03-27

text2vec

R语言文本向量化工具，支持主题建模、GloVe词嵌入和距离计算。

• Stars: ⭐️ 871
• Tags: word-embeddings topic-modeling vectorization nlp
• 最后活动时间: 2025-12-01

fastembed-rs

Rust语言实现的向量嵌入和重排序库，高性能支持RAG检索系统。

• Stars: ⭐️ 849
• Tags: embeddings reranking RAG Rust
• 最后活动时间: 2026-04-10

typeagent-py

结构化RAG框架，支持数据摄取、索引构建和智能查询功能。

• Stars: ⭐️ 806
• Tags: rag llm indexing query
• 最后活动时间: 2026-04-11

MODULAR-RAG-MCP-SERVER

模块化RAG系统，采用MCP服务器架构设计，支持通过Skill引导AI按规范步骤完成代码生成。

• Stars: ⭐️ 791
• Tags: rag mcp mcp-server retrieval-augmented-generation
• 最后活动时间: 2026-03-10

rag_api

基于FastAPI的RAG API服务，集成Langchain与PostgreSQL/pgvector，提供高效的向量检索与生成能力。

• Stars: ⭐️ 786
• Tags: RAG FastAPI Langchain pgvector
• 最后活动时间: 2026-03-20

pylate

后期交互模型的训练与检索库，专注于ColBERT等模型的语义检索能力。

• Stars: ⭐️ 783
• Tags: colbert information-retrieval language-model rag
• 最后活动时间: 2026-03-06

RAG-FiT

通过微调增强LLM在RAG任务中表现的框架，支持问答、语义搜索等信息检索场景。

• Stars: ⭐️ 769
• Tags: RAG Fine-tuning NLP
• 最后活动时间: 2025-12-16

semantic-search-nextjs-pinecone-langchain-chatgpt

基于 LangChain 和 Pinecone 构建的语义搜索应用，支持文本向量化存储和 GPT 智能检索，提供完整的 Next.js 前端界面。

• Stars: ⭐️ 764
• Tags: langchain pinecone semantic-search gpt nextjs
• 最后活动时间: 2026-02-26

context-portal

MCP 记忆库服务器，构建项目知识图谱，为 IDE 中的 AI 助手提供强大的 RAG 能力。

• Stars: ⭐️ 761
• Tags: mcp rag knowledge-graph memory-bank context
• 最后活动时间: 2026-01-27

Medical-Graph-RAG

ACL 2025论文，面向循证医学信息检索的图RAG系统。

• Stars: ⭐️ 761
• Tags: graph-rag medical-ai retrieval-augmented-generation evidence-based
• 最后活动时间: 2025-10-18

tevatron

SIGIR展示的统一文档检索工具包，支持跨规模、跨语言、跨模态的密集检索，适用于问答和RAG系统。

• Stars: ⭐️ 733
• Tags: dense-retrieval information-retrieval dpr pytorch
• 最后活动时间: 2026-01-26

AutoSchemaKG

自动知识图谱构建框架，结合概念化实现模式自动生成和知识抽取。

• Stars: ⭐️ 723
• Tags: knowledge-graph graph-construction rag
• 最后活动时间: 2026-01-14

VRAG

阿里通义实验室开发的多模态检索增强生成框架，支持图文等多模态数据的RAG检索与生成。

• Stars: ⭐️ 711
• Tags: rag multimodal retrieval-augmented-generation alibaba
• 最后活动时间: 2026-04-03

knowledge-graph-from-GPT

利用GPT组织和访问信息、生成问题的工具，目标是构建类似代理的研究助手。

• Stars: ⭐️ 693
• Tags: knowledge-graph gpt research-assistant information-management
• 最后活动时间: 2025-10-21

swiftide

Rust实现的高性能RAG框架，支持流式索引、查询和智能体应用开发。

• Stars: ⭐️ 685
• Tags: RAG Rust Indexing
• 最后活动时间: 2026-04-10

PdfGptIndexer

基于RAG的PDF文档索引与搜索工具，结合OpenAI API和FAISS向量检索，实现快速精准的文档信息检索。

• Stars: ⭐️ 677
• Tags: rag pdf faiss openai semantic-search
• 最后活动时间: 2025-11-02

Rankify

全面的Python检索与重排序工具包，集成40+数据集、7+检索技术和24+重排序模型。

• Stars: ⭐️ 675
• Tags: reranking RAG information-retrieval LLM
• 最后活动时间: 2026-03-07

RAGMeUp

通用RAG框架，支持在任何数据集上应用大语言模型的强大能力。

• Stars: ⭐️ 675
• Tags: rag llm framework data-processing
• 最后活动时间: 2026-02-24

RAGLight

模块化RAG框架，支持多种LLM、嵌入模型和向量数据库，集成MCP工具连接外部数据源。

• Stars: ⭐️ 656
• Tags: RAG MCP Vector Database Modular
• 最后活动时间: 2026-03-24

ViDoRAG

EMNLP 2025论文，通过动态迭代推理代理实现视觉文档的检索增强生成。

• Stars: ⭐️ 653
• Tags: rag visual-document multimodal reasoning-agents emnlp
• 最后活动时间: 2026-01-11

llm-search

基于LLM的本地文档查询工具，支持HyDE、重排序、MCP协议等高级RAG特性。

• Stars: ⭐️ 650
• Tags: rag document-search langchain mcp reranking
• 最后活动时间: 2026-01-17

rag-chatbot

本地多PDF文档对话机器人，支持Llama3、Mistral等模型，基于RAG技术实现文档问答。

• Stars: ⭐️ 646
• Tags: rag chatbot llama-index ollama
• 最后活动时间: 2025-10-23

graphbrain

一个融合语言、知识和认知的知识图谱工具，支持自然语言处理和文本挖掘，用于知识表示和推理。

• Stars: ⭐️ 638
• Tags: knowledge-graph nlp cognitive-science text-mining
• 最后活动时间: 2026-04-07

hyperbase

语义超图基础工具包，支持知识图谱构建、自然语言理解和文本分析，适用于认知科学与计算社会科学研究。

• Stars: ⭐️ 638
• Tags: knowledge-graph nlp hypergraphs knowledge-representation text-analysis
• 最后活动时间: 2026-04-12

RAG_langchain

基于LangChain实现的RAG检索增强生成示例项目，适合学习参考。

• Stars: ⭐️ 634
• Tags: rag langchain retrieval llm
• 最后活动时间: 2026-03-22

magi-markdown

专为AI系统设计的下一代Markdown扩展，通过结构化元数据和嵌入式AI指令，在人类可读内容与LLM/Agent处理之间建立无缝桥梁。

• Stars: ⭐️ 618
• Tags: ai llm rag markdown ai-agents
• 最后活动时间: 2026-04-11

Qmedia

面向内容创作者的AI内容搜索引擎，支持多模态RAG问答，可完全本地部署。

• Stars: ⭐️ 616
• Tags: search-engine multimodal-rag content-search local-llm
• 最后活动时间: 2026-04-09

embedJs

NodeJS RAG开发框架，简化LLM和嵌入向量的集成，支持多种向量数据库和LLM提供商。

• Stars: ⭐️ 606
• Tags: RAG Embeddings NodeJS
• 最后活动时间: 2025-11-17

SemanticMediaWiki

将MediaWiki转化为知识管理平台，提供语义查询和导出能力，适用于RAG系统的知识图谱构建。

• Stars: ⭐️ 601
• Tags: knowledge-graph knowledge-management semantic-web rdf sparql wiki
• 最后活动时间: 2026-04-06

GraphRAG-SDK

基于知识图谱的RAG开发工具包，支持大规模构建快速准确的GenAI应用。

• Stars: ⭐️ 600
• Tags: GraphRAG Knowledge Graph SDK
• 最后活动时间: 2026-04-13

sycamore

LLM驱动的非结构化数据搜索与分析平台，支持语义搜索和信息检索。

• Stars: ⭐️ 595
• Tags: LLM RAG 语义搜索 OpenSearch
• 最后活动时间: 2026-04-10

rank_llm

专注于Listwise重排序的Python工具包，支持可复现的信息检索研究。

• Stars: ⭐️ 587
• Tags: reranking information-retrieval LLM
• 最后活动时间: 2026-04-04

Hyper-Extract

使用LLM将非结构化文本转换为结构化知识图谱和超图的CLI工具，支持时空信息提取，一键完成知识抽取。

• Stars: ⭐️ 581
• Tags: llm knowledge-graph information-extraction rag cli
• 最后活动时间: 2026-04-13

resin

基于向量数据库的语言模型搜索引擎，支持键值存储和信息检索。

• Stars: ⭐️ 575
• Tags: language-model vector-search information-retrieval search-engine
• 最后活动时间: 2026-03-01

AnglE

SOTA级句子嵌入训练与推理库，在STS和MTEB榜单领先。

• Stars: ⭐️ 567
• Tags: Embeddings NLP SOTA
• 最后活动时间: 2026-03-22

rag-skill

专注于本地知识库检索的技能模块，为RAG应用提供高效的知识检索能力支持。

• Stars: ⭐️ 563
• Tags: rag knowledge-retrieval local-search
• 最后活动时间: 2026-02-01

llm-wiki-skill

基于 Karpathy llm-wiki 方法论构建的个人知识库 Skill，支持多平台，帮助用户高效管理和检索知识。

• Stars: ⭐️ 560
• Tags: llm knowledge-base rag skill
• 最后活动时间: 2026-04-11

ArXivChatGuru

基于LangChain和OpenAI的科研论文对话工具，支持与ArXiv论文进行智能问答交互。

• Stars: ⭐️ 558
• Tags: rag langchain openai arxiv vector-database
• 最后活动时间: 2026-03-18

rag

NVIDIA官方RAG蓝图参考方案，提供基础检索增强生成管道的完整实现。

• Stars: ⭐️ 557
• Tags: RAG NVIDIA NIM Blueprint
• 最后活动时间: 2026-04-13

atlas

基于检索增强语言模型的少样本学习框架。

• Stars: ⭐️ 556
• Tags: retrieval-augmented few-shot-learning language-models
• 最后活动时间: 2026-04-08

aisearch-openai-rag-audio

VoiceRAG模式实现，结合Azure AI Search和GPT-4o实时语音模型构建交互式语音AI体验。

• Stars: ⭐️ 554
• Tags: VoiceRAG GPT-4o Audio Realtime
• 最后活动时间: 2025-11-19

skald

自托管的上下文层平台，支持知识库管理和RAG应用构建。

• Stars: ⭐️ 552
• Tags: rag knowledge-base self-hosted context-layer
• 最后活动时间: 2026-03-16

comunica

JavaScript知识图谱查询框架，支持SPARQL/GraphQL，具备MCP协议集成能力。

• Stars: ⭐️ 549
• Tags: Knowledge Graph SPARQL MCP
• 最后活动时间: 2026-04-09

cleora

高效可扩展的实体嵌入学习框架，适用于异构关系数据。

• Stars: ⭐️ 537
• Tags: embeddings entity graphs machine-learning ml
• 最后活动时间: 2026-04-02

marmot

数据目录和血缘可视化工具，帮助 AI Agent 发现、理解和管理企业数据资产。

• Stars: ⭐️ 537
• Tags: mcp data-catalog data-lineage data-governance metadata
• 最后活动时间: 2026-04-13

HiRAG

EMNLP'25论文实现：基于层次化知识的检索增强生成框架。

• Stars: ⭐️ 532
• Tags: rag llm retrieval graphrag
• 最后活动时间: 2025-11-19

insights-lm-public

NotebookLM的开源替代方案，支持文档对话、音频摘要生成，基于Supabase和N8N构建。

• Stars: ⭐️ 517
• Tags: rag notebooklm supabase semantic-search
• 最后活动时间: 2026-01-16

haiku.rag

一个基于LanceDB、Pydantic AI和Docling构建的智能RAG框架，支持MCP协议，提供高效的文档检索与问答能力。

• Stars: ⭐️ 510
• Tags: rag lancedb pydantic-ai mcp-server docling
• 最后活动时间: 2026-04-09

ollama_pdf_rag

一个全栈演示项目，展示如何构建本地RAG管道实现与PDF文档对话，基于Ollama和LangChain技术栈。

• Stars: ⭐️ 504
• Tags: rag langchain ollama pdf nextjs
• 最后活动时间: 2026-04-10

superlinked

高性能AI搜索与推荐框架，支持结构化与非结构化数据的向量检索与RAG应用构建。

• Stars: ⭐️ 3
• Tags: embeddings vector-search rag semantic-search vector-database
• 最后活动时间: 2026-04-02

Vector Databases

Supabase

开源的Postgres开发平台，内置pgvector向量数据库支持，为AI应用提供嵌入存储和检索能力。

• Stars: ⭐️ 100.8k
• Tags: Vector Database PostgreSQL Embeddings
• 最后活动时间: 2026-04-13

elasticsearch

分布式RESTful搜索引擎，支持向量检索，广泛用于RAG系统和语义搜索场景。

• Stars: ⭐️ 76.5k
• Tags: Search Engine Vector Search RAG
• 最后活动时间: 2026-04-13

redis

高性能内存数据库，支持向量搜索和向量数据库功能，可用于AI应用的语义检索和RAG系统。

• Stars: ⭐️ 73.8k
• Tags: Vector Database Cache Real-time
• 最后活动时间: 2026-04-13

meilisearch

闪电般快速的搜索引擎API，提供AI驱动的混合搜索能力，支持向量搜索、语义搜索和全文搜索的无缝集成。

• Stars: ⭐️ 57.1k
• Tags: 搜索引擎 向量搜索 混合搜索
• 最后活动时间: 2026-04-13

ClickHouse

高性能实时分析数据库，广泛用于AI/ML数据处理和大规模特征存储场景

• Stars: ⭐️ 46.9k
• Tags: analytics database big-data olap sql
• 最后活动时间: 2026-04-13

milvus

高性能云原生向量数据库，专为海量向量检索设计，广泛应用于RAG和推荐系统。

• Stars: ⭐️ 43.8k
• Tags: 向量数据库 RAG 向量检索
• 最后活动时间: 2026-04-13

faiss

Meta开源的高效向量相似度搜索与聚类库，支持大规模向量检索，是AI向量检索领域的行业标准工具。

• Stars: ⭐️ 39.6k
• Tags: vector-search similarity-search embeddings clustering
• 最后活动时间: 2026-04-08

dragonfly

现代高性能内存数据库，兼容Redis和Memcached协议，支持向量搜索功能，适用于AI应用的向量检索场景。

• Stars: ⭐️ 30.3k
• Tags: Vector Database In-Memory Redis Compatible
• 最后活动时间: 2026-04-13

qdrant

高性能向量数据库和搜索引擎，专为下一代AI应用设计，支持相似性搜索和混合搜索，是RAG应用的核心基础设施。

• Stars: ⭐️ 30.3k
• Tags: 向量数据库 相似性搜索 RAG AI基础设施
• 最后活动时间: 2026-04-13

chroma

专为AI应用设计的向量数据库，提供高效的数据存储和检索能力。

• Stars: ⭐️ 27.4k
• Tags: vector-database ai embeddings rag
• 最后活动时间: 2026-04-11

typesense

开源的搜索引擎和向量数据库，支持语义搜索、向量检索和模糊匹配，是构建AI搜索体验的理想选择。

• Stars: ⭐️ 25.6k
• Tags: search-engine vector-search semantic-search full-text-search
• 最后活动时间: 2026-04-10

pgvector

PostgreSQL开源向量相似度搜索扩展，让Postgres支持向量存储与检索，是RAG应用的热门选择。

• Stars: ⭐️ 20.7k
• Tags: postgresql vector-search similarity-search embeddings
• 最后活动时间: 2026-03-17

weaviate

云原生开源向量数据库，支持向量搜索与结构化过滤，广泛应用于语义搜索、推荐系统和RAG场景。

• Stars: ⭐️ 16.0k
• Tags: Vector Database Semantic Search RAG
• 最后活动时间: 2026-04-13

doris

Apache Doris 是一款高性能、易用的实时分析型数据库，支持海量数据极速查询，广泛应用于 OLAP 分析、实时数仓和 AI 数据处理场景。

• Stars: ⭐️ 15.2k
• Tags: database olap real-time analytics sql
• 最后活动时间: 2026-04-13

tantivy

受Apache Lucene启发用Rust编写的全文搜索引擎库，可用于RAG系统中的文档检索场景。

• Stars: ⭐️ 14.9k
• Tags: search-engine full-text-search rust information-retrieval
• 最后活动时间: 2026-04-10

annoy

高效的近似最近邻搜索库，支持C++/Python，优化内存使用和磁盘读写。

• Stars: ⭐️ 14.2k
• Tags: approximate-nearest-neighbor similarity-search locality-sensitive-hashing
• 最后活动时间: 2025-10-29

OpenSearch

开源分布式搜索引擎，支持向量相似度搜索，是构建RAG应用和AI检索系统的核心基础设施。

• Stars: ⭐️ 12.7k
• Tags: search-engine vector-search analytics distributed
• 最后活动时间: 2026-04-13

orama

轻量级全文搜索引擎与RAG管道，支持向量搜索和混合检索，可在浏览器、服务器或边缘网络运行。

• Stars: ⭐️ 10.3k
• Tags: search-engine vector-database rag full-text-search
• 最后活动时间: 2026-02-13

oceanbase

高性能分布式数据库，支持事务、分析和AI工作负载，内置向量搜索能力，适用于RAG和AI应用场景。

• Stars: ⭐️ 10.1k
• Tags: Vector Database Distributed MySQL Compatible
• 最后活动时间: 2026-04-12

lancedb

开发者友好的开源嵌入式向量数据库，专为多模态AI检索设计，支持语义搜索与相似度匹配。

• Stars: ⭐️ 9.9k
• Tags: vector-database semantic-search multimodal embeddings rag
• 最后活动时间: 2026-04-12

zvec

轻量级、超快速的进程内向量数据库，专为AI应用设计，支持RAG检索和Agent记忆存储。

• Stars: ⭐️ 9.3k
• Tags: Vector Database RAG ANN Search
• 最后活动时间: 2026-04-13

databend

云原生数据仓库，内置向量搜索能力，支持分析、搜索、AI和Python沙盒，为AI Agent提供数据基础设施。

• Stars: ⭐️ 9.2k
• Tags: 向量数据库 数据仓库 Rust
• 最后活动时间: 2026-04-13

deeplake

GPU原生、沙盒化的AI代理Postgres数据库，支持向量搜索和多模态数据管理，专为深度学习和大语言模型应用优化。

• Stars: ⭐️ 9.1k
• Tags: Vector Database Multi-modal AI Agents
• 最后活动时间: 2026-02-16

vespa

高性能向量数据库和搜索引擎平台，支持大规模AI推理、RAG应用和实时推荐系统。

• Stars: ⭐️ 6.9k
• Tags: 向量数据库 搜索引擎 AI推理
• 最后活动时间: 2026-04-13

lance

面向多模态AI的开源湖仓格式，支持100倍更快的随机访问、向量索引和数据版本控制，与Pandas、DuckDB、PyTorch无缝集成。

• Stars: ⭐️ 6.3k
• Tags: Vector Storage Multimodal AI Data Format
• 最后活动时间: 2026-04-13

RediSearch

Redis的强大查询与索引引擎，支持全文搜索、向量相似度搜索和聚合操作，是构建RAG系统和AI应用的理想向量数据库。

• Stars: ⭐️ 6.1k
• Tags: Vector Database Full-text Search Redis Module
• 最后活动时间: 2026-04-08

marqo

面向电商的多模态搜索引擎，支持图像和文本的智能检索与发现。

• Stars: ⭐️ 5.0k
• Tags: search-engine multi-modal machine-learning vector-search
• 最后活动时间: 2026-04-10

SPTAG

微软开源的分布式近似最近邻搜索库，为大规模向量检索场景提供高质量的向量索引构建、搜索和分布式在线服务工具包。

• Stars: ⭐️ 5.0k
• Tags: vector-search approximate-nearest-neighbor ann similarity-search
• 最后活动时间: 2026-04-08

text2vec

中文文本向量表征工具，实现Word2Vec、Sentence-BERT、CoSENT等多种文本嵌入模型，开箱即用。

• Stars: ⭐️ 5.0k
• Tags: embeddings sentence-bert nlp text-similarity
• 最后活动时间: 2026-02-14

objectbox-java

高性能轻量级向量数据库，专为Android和JVM平台设计，支持设备端AI应用和向量检索。

• Stars: ⭐️ 4.6k
• Tags: Vector Database Embedded Mobile
• 最后活动时间: 2026-03-30

infinity

专为LLM应用设计的AI原生数据库，支持密集向量、稀疏向量、张量和全文的极速混合搜索。

• Stars: ⭐️ 4.5k
• Tags: Vector Database RAG Hybrid Search
• 最后活动时间: 2026-04-02

typedb

强类型知识图谱数据库，支持逻辑推理和多态查询，适用于构建智能知识系统。

• Stars: ⭐️ 4.3k
• Tags: database knowledge-graph inference reasoning
• 最后活动时间: 2026-04-12

helix-db

用Rust从零构建的开源图向量数据库，专为AI和RAG应用设计。

• Stars: ⭐️ 4.1k
• Tags: Vector Database Graph Database RAG Rust
• 最后活动时间: 2026-03-31

USearch

高性能向量搜索引擎，支持多语言绑定，适用于语义搜索和相似性检索。

• Stars: ⭐️ 4.0k
• Tags: vector-search similarity-search nearest-neighbor semantic-search
• 最后活动时间: 2026-04-12

OpenMemory

本地持久化记忆存储引擎，为LLM应用提供长期记忆与上下文检索能力。

• Stars: ⭐️ 3.9k
• Tags: Memory RAG Vector DB
• 最后活动时间: 2026-04-11

FalkorDB

基于GraphBLAS的超快图数据库，专为LLM知识图谱和GraphRAG场景优化。

• Stars: ⭐️ 3.9k
• Tags: Graph Database GraphRAG Knowledge Graph Real-time
• 最后活动时间: 2026-04-13

memgraph

开源图数据库，专为动态分析环境优化，支持GraphRAG和AI智能体应用场景。

• Stars: ⭐️ 3.9k
• Tags: graph-database graphrag ai-agent cypher stream-processing
• 最后活动时间: 2026-04-13

RuVector

基于Rust构建的高性能实时自学习向量图神经网络数据库，支持低延迟推理和ONNX运行时。

• Stars: ⭐️ 3.8k
• Tags: Vector Database GNN Rust Graph Neural Networks
• 最后活动时间: 2026-04-13

nmslib

高效的非度量空间相似度搜索库，提供k-NN方法评估工具包，是向量检索的经典方案之一。

• Stars: ⭐️ 3.6k
• Tags: knn-search similarity-search nearest-neighbor vector-search
• 最后活动时间: 2026-01-12

LakeSoul

云原生Lakehouse框架，支持AI和BI应用的实时数据摄入、并发更新和增量分析。

• Stars: ⭐️ 3.2k
• Tags: lakehouse datalake pytorch spark streaming
• 最后活动时间: 2026-04-08

delta-rs

Delta Lake 的原生 Rust 库，提供 Python 绑定。适用于 AI/ML 数据管道中的大规模数据存储与管理。

• Stars: ⭐️ 3.2k
• Tags: delta-lake data-engineering rust python
• 最后活动时间: 2026-04-13

datasketch

高效的相似性搜索算法库，提供 MinHash、LSH、HNSW 等核心算法实现，广泛应用于 RAG 系统和向量检索场景。

• Stars: ⭐️ 2.9k
• Tags: lsh hnsw minhash similarity-search vector-search
• 最后活动时间: 2026-03-30

clip-retrieval

轻松计算CLIP嵌入并构建多模态检索系统。

• Stars: ⭐️ 2.7k
• Tags: ai clip deep-learning multimodal semantic-search
• 最后活动时间: 2026-03-28

hora

Rust编写的高效近似最近邻搜索库，支持HNSW算法与SIMD加速。

• Stars: ⭐️ 2.7k
• Tags: approximate-nearest-neighbor vector-search rust hnsw similarity-search
• 最后活动时间: 2026-02-17

featurebase

基于位图的高性能分析数据库，专为ML应用优化，支持快速数据查询。

• Stars: ⭐️ 2.6k
• Tags: database bitmap analytics machine-learning sql
• 最后活动时间: 2026-04-13

nanoflann

轻量级C++11头文件KD树库，用于高维向量最近邻搜索，适用于RAG检索和点云处理场景。

• Stars: ⭐️ 2.6k
• Tags: kd-trees nearest-neighbor vector-search point-clouds
• 最后活动时间: 2025-12-26

seekdb

AI原生搜索数据库，统一向量、文本、结构化数据，支持混合搜索和库内AI工作流。

• Stars: ⭐️ 2.5k
• Tags: vector-database ai-search hybrid-search embeddings
• 最后活动时间: 2026-04-11

bootcamp

Milvus官方实战教程，涵盖向量检索、RAG、多模态搜索等非结构化数据处理场景，配套完整实践案例。

• Stars: ⭐️ 2.4k
• Tags: RAG 向量数据库 Milvus 多模态
• 最后活动时间: 2026-03-13

vearch

分布式向量搜索数据库，专为AI原生应用设计。支持混合搜索、文档检索和RAG场景，适用于大规模向量检索需求。

• Stars: ⭐️ 2.3k
• Tags: vector-database vector-search rag embeddings ai-native
• 最后活动时间: 2026-03-28

ArcticDB

高性能无服务器DataFrame数据库，专为Python数据科学生态系统构建。

• Stars: ⭐️ 2.2k
• Tags: database dataframe pandas big-data
• 最后活动时间: 2026-04-13

duckdb-wasm

DuckDB的WebAssembly版本，可在浏览器中运行的高性能分析型数据库，适用于AI数据处理和RAG应用场景。

• Stars: ⭐️ 2.0k
• Tags: database webassembly analytics sql
• 最后活动时间: 2026-04-13

matrixone

AI 原生 HTAP 数据库，内置向量搜索功能，可作为智能体的数据与记忆骨干。

• Stars: ⭐️ 1.8k
• Tags: Vector Database AI-Native HTAP
• 最后活动时间: 2026-04-13

DiskANN

微软开源的高性能近似最近邻搜索库，基于图结构索引，支持大规模向量检索，适用于RAG场景。

• Stars: ⭐️ 1.7k
• Tags: Vector Search ANN Similarity Search
• 最后活动时间: 2026-04-08

tugraph-db

高性能图数据库，支持知识图谱构建和图神经网络应用，适用于RAG系统中的图数据存储与检索。

• Stars: ⭐️ 1.7k
• Tags: graph-database knowledge-graph cypher
• 最后活动时间: 2026-03-31

jvector

先进的嵌入式向量搜索引擎，专为Java生态设计，支持ANN和KNN搜索。

• Stars: ⭐️ 1.7k
• Tags: vector-search ann similarity-search java
• 最后活动时间: 2026-04-10

vald

高性能分布式向量搜索引擎，支持近似最近邻搜索，适用于图像检索、相似度搜索等AI应用场景。

• Stars: ⭐️ 1.7k
• Tags: vector-search similarity-search kubernetes distributed
• 最后活动时间: 2026-04-12

VectorChord

PostgreSQL向量搜索扩展，pgvecto.rs的继任者，提供可扩展、快速且磁盘友好的向量检索能力。

• Stars: ⭐️ 1.6k
• Tags: vector-database postgresql vector-search rag
• 最后活动时间: 2026-04-08

pixeltable

面向多模态AI工作负载的数据基础设施，集成特征存储、向量数据库和MLOps能力，简化数据处理流程。

• Stars: ⭐️ 1.6k
• Tags: 多模态 特征存储 向量数据库
• 最后活动时间: 2026-04-12

solr

Apache Solr开源搜索引擎，提供强大的全文检索、分面搜索和分布式搜索能力，广泛用于RAG系统和AI应用的检索基础设施。

• Stars: ⭐️ 1.6k
• Tags: search-engine lucene nosql information-retrieval
• 最后活动时间: 2026-04-12

voyager

轻量级近似最近邻搜索库，支持Python和Java，易于部署和使用。

• Stars: ⭐️ 1.6k
• Tags: nearest-neighbor-search hnsw vector-search similarity-search
• 最后活动时间: 2026-03-01

datalevin

简单快速的多功能Datalog数据库，支持向量存储和全文检索，AI原生设计。

• Stars: ⭐️ 1.4k
• Tags: vector-database datalog embedded-database fulltext-search
• 最后活动时间: 2026-04-07

pymilvus

Milvus向量数据库的官方Python SDK，支持高效的向量相似度搜索和AI应用开发。

• Stars: ⭐️ 1.4k
• Tags: vector-database milvus python-sdk similarity-search
• 最后活动时间: 2026-04-09

mcp-server-qdrant

Qdrant官方MCP服务器实现，为Claude、Cursor等AI工具提供向量检索能力。

• Stars: ⭐️ 1.3k
• Tags: mcp qdrant vector-search semantic-search
• 最后活动时间: 2026-03-31

qdrant-client

Qdrant向量搜索引擎的Python客户端，用于AI应用中的向量存储与相似性检索。

• Stars: ⭐️ 1.3k
• Tags: qdrant vector-database vector-search vector-search-engine
• 最后活动时间: 2026-03-31

VectorDBBench

向量数据库性能基准测试工具，支持多种向量数据库的性能对比和成本效益分析。

• Stars: ⭐️ 1.1k
• Tags: benchmark vector-database vector-search performance
• 最后活动时间: 2026-04-09

atomspace

OpenCog超图数据库与图重写系统，用于知识表示与推理的AI基础设施。

• Stars: ⭐️ 963
• Tags: Knowledge Graph Graph Database Reasoning AGI
• 最后活动时间: 2026-02-10

autofaiss

自动创建最优Faiss KNN索引的工具，简化向量检索参数调优流程。

• Stars: ⭐️ 901
• Tags: faiss vector-search index-optimization embeddings
• 最后活动时间: 2025-11-04

vectordb

Epsilla高性能向量数据库管理系统，专为AI应用和RAG场景设计。

• Stars: ⭐️ 872
• Tags: vector-database embeddings rag vector-search
• 最后活动时间: 2025-11-29

endee

高性能向量数据库，单节点支持10亿向量，通过优化索引实现高效检索，适用于AI搜索场景。

• Stars: ⭐️ 863
• Tags: Vector Database HNSW ANN AI Search
• 最后活动时间: 2026-04-08

pg_vectorize

为任意 Postgres 数据库提供全文搜索和语义搜索能力的扩展工具。

• Stars: ⭐️ 829
• Tags: postgres vector-database semantic-search rag
• 最后活动时间: 2026-04-06

reindexer

高性能嵌入式内存数据库，支持向量搜索、KNN搜索和全文检索，适用于AI应用中的相似度匹配场景。

• Stars: ⭐️ 802
• Tags: vector-database vector-search knn-search fulltext-search
• 最后活动时间: 2026-04-13

arcadedb

多模型数据库，支持SQL、图查询和向量嵌入搜索，适合RAG应用的相似性搜索场景。

• Stars: ⭐️ 798
• Tags: Vector Database Multi-Model Graph Database
• 最后活动时间: 2026-04-13

graph-data-science

Neo4j图数据科学库，提供丰富的图算法用于知识图谱构建和图神经网络应用。

• Stars: ⭐️ 780
• Tags: graph-algorithms neo4j knowledge-graph
• 最后活动时间: 2026-04-02

cuvs

NVIDIA 推出的 GPU 加速向量搜索与聚类库，专为大规模向量检索和相似性搜索优化。

• Stars: ⭐️ 733
• Tags: Vector Search GPU CUDA
• 最后活动时间: 2026-04-13

nucliadb

专为RAG设计的AI搜索数据库，支持向量搜索和语义检索。

• Stars: ⭐️ 719
• Tags: 向量数据库 RAG 语义搜索
• 最后活动时间: 2026-04-13

automem

为AI助手提供持久化关系记忆的图向量内存服务，支持多种向量数据库。

• Stars: ⭐️ 706
• Tags: ai-memory graph-database vector-database qdrant
• 最后活动时间: 2026-04-13

KiteSQL

Rust嵌入式关系数据库，原生支持向量嵌入和WebAssembly。

• Stars: ⭐️ 694
• Tags: database embeddings rust sql wasm
• 最后活动时间: 2026-04-08

HyperNetX

Python超图分析与可视化库，支持知识图谱和复杂网络结构分析，适用于RAG系统中的关系建模。

• Stars: ⭐️ 689
• Tags: hypergraph knowledge-graph python visualization
• 最后活动时间: 2026-04-02

mcp-server-elasticsearch

Elasticsearch MCP 服务器，支持向量数据库集成，为 AI 应用提供检索能力。

• Stars: ⭐️ 643
• Tags: mcp elasticsearch vector-database search
• 最后活动时间: 2026-04-09

vectra

Node.js本地向量数据库，提供类似Pinecone的功能，基于本地文件存储，适合构建RAG应用和语义搜索系统。

• Stars: ⭐️ 599
• Tags: vector-database embeddings nodejs rag local-storage
• 最后活动时间: 2026-04-06

DBreeze

C# .NET嵌入式NoSQL数据库，支持向量搜索和语义搜索功能。

• Stars: ⭐️ 569
• Tags: vector-database nosql similarity-search c-sharp
• 最后活动时间: 2026-04-03

NornicDB

低延迟图向量数据库，支持HNSW搜索、LLM重排序推理和GPU加速，兼容Neo4j Bolt/Cypher和Qdrant gRPC驱动。

• Stars: ⭐️ 557
• Tags: vector-database graph-rag hnsw llm mcp-server
• 最后活动时间: 2026-04-11

search

Go语言嵌入式向量搜索库，基于llama.cpp实现语义搜索和向量检索。

• Stars: ⭐️ 541
• Tags: vector-search semantic-search llamacpp embeddings
• 最后活动时间: 2026-03-06

未分类 (Others)

dolt

Dolt 是一个支持版本控制的 SQL 数据库，被誉为「数据界的 Git」。它非常适合 AI Agent 记忆存储和 AI 数据管理，提供完整的数据版本追踪能力。

• Stars: ⭐️ 22.1k
• Tags: sql-database version-control ai-database agent-memory
• 最后活动时间: 2026-04-12