数据库与存储
共 100 个仓库
基于 FalkorDB 图数据库构建 GraphRAG 应用的 Python SDK，把知识图谱和向量检索结合起来，让大模型问答更准确、可规模化。
轻量极速的重排序库，为搜索和 RAG 检索管线提供基于 LLM 与 cross-encoder 的 listwise/pairwise 精排，几乎不增加延迟。
OpenCog 的超图数据库与图重写系统，用超图结构存储知识并支持模式匹配和逻辑推理，适合构建知识图谱和认知计算应用。
一套从 Python 基础到生成式 AI 的数据科学实战教程，覆盖数据分析、深度学习、MLflow 与 Prefect 等 MLOps 工具链，适合系统学习并动手实践。
用 Python 写的透明 RAG 参考实现，把 FAISS 向量检索和 BM25 关键词检索做混合召回再重排，配 Gradio 界面和 FastAPI 接口，方便本地搭文档问答。
用 Python 做点击流和事件日志分析的工具包，支持用户旅程、行为分群、A/B 测试和马尔可夫链模拟，还能让 AI 代理复现并交叉验证分析结果。
微软出品的 5 周 RAG 学习路线，用 Jupyter Notebook 带你从索引、混合检索到量化压缩，系统掌握检索增强生成。
一份知识管理领域的精选资源清单，汇总相关文章、人物、应用、软件库和项目，方便快速找到知识图谱、语义网和 LLM 工具。
把计算任务调度到数据所在节点上执行的分布式计算框架，省去大规模数据搬迁的开销，适合批处理、数据分析和生信流水线。
给 AI 助手做长期记忆的存储层，用图数据库加向量库记住跨会话的决策、关系和上下文，解决多轮对话后遗忘的问题。
可嵌入内存文档数据库，自带高层查询构建器，支持向量、全文和混合检索，适合在应用内直接做 RAG 与相似度搜索。
把 MySQL、Oracle、达梦、Redis、Kafka、SSH 等十几种数据库和运维工具集成到一个客户端里，省去在多个管理软件之间来回切换。
可视化 Kedro 数据与机器学习流水线，并追踪实验记录，帮助团队直观查看管道结构和运行结果。
把 Elasticsearch 包装成 MCP 服务器，让 AI Agent 能直接检索索引、执行查询和管理向量数据，省去自己写对接层。
一个多模态数据库，用单一 ACID 方案替代 MongoDB、Neo4J 和 Elastic，支持文档、图、键值存储，并提供 NetworkX、Pandas 接口和多语言绑定。
提供各行业专用的 Pydantic schema 集合，让视觉语言模型按统一结构输出 JSON，省去手写解析和字段对齐的麻烦。
基于 LangGraph 的电商数仓智能问数 Agent，把自然语言转成 SQL 并流式展示查询结果，配套教程适合系统学习大模型应用落地。
面向开发者的本地优先 RAG 服务器，对代码和技术文档做语义加关键词混合检索，支持 MCP 与 CLI，数据不出本机、零配置即可用。
《AI-Powered Search》一书配套代码库，演示混合检索、学习排序、点击模型和生成式搜索等现代搜索技术，基于 OpenSearch 实现。
整理高维向量检索与向量数据库相关的优质资源清单，涵盖近似最近邻搜索、相似度检索和向量搜索引擎，方便快速选型与调研。
用 Rust 写的高性能本地 AI 记忆检索引擎，带桌面 GUI，能对 agent 历史做关键词加可选语义的混合召回，解决本地对话记录难找的问题。
基于 DuckDB 的 TypeScript 数据分析库，能快速处理表格、地理空间、图网络和向量相似度检索，还支持 AI 与 Google Sheets 集成。
轻量级 VPS 监控方案，由 Rust 编写的采集端和 Axum 服务端配合 React 网页面板，自托管即可实时查看服务器状态。
VLM Run API 的示例与指南合集，用 Jupyter Notebook 演示如何调用视觉语言模型完成 OCR、文档解析和 ETL 等任务，方便快速上手多模态推理。