检索与 RAG
共 25 个仓库 · C++
老牌开源 OCR 引擎，用 LSTM 识别图片中的文字，支持上百种语言，适合做文档扫描和文本提取。
面向稠密向量的高效相似度检索与聚类库，支持十亿级向量近邻搜索，是构建向量数据库和 RAG 检索层的底层引擎。
兼容 Redis 和 Memcached 协议的内存数据库，用多线程架构提升吞吐量，可直接替换现有缓存层。
用 C++ 写的开源内存搜索引擎，支持模糊容错、分面和地理检索，可作为 Algolia、Pinecone 或 ElasticSearch 的轻量替代，快速搭建搜索体验。
轻量级进程内向量数据库，主打极速检索，适合在本地为 RAG、语义搜索和 LLM 记忆等场景提供向量与全文检索能力。
面向视觉小说和 Galgame 的翻译工具，通过文本钩子、OCR 和剪贴板等多种方式提取游戏文本，再接入翻译引擎，让玩家能顺畅阅读原文。
超轻量级中文 OCR 工具，总模型仅 4.7M，支持竖排文字识别，可在 ncnn、MNN、TNN 等推理后端运行，适合端侧和低资源场景部署。
开源分布式数据库，兼容 MySQL，支持 HTAP 混合负载与全文检索，用一套引擎承载 OLTP、分析和 AI 场景下的高要求业务。
MySQL 的社区分支，由原 MySQL 核心团队维护，提供功能完整、稳定且许可证宽松的开源关系型数据库，支持全文检索、GIS 和向量近邻搜索。
Snow Shot is free, open-source screenshot software and a screen recording tool for Windows and macOS, with annotation, scrolling screenshots, offline OCR and image pinning. 免费开源截图软件，支持截图标注、滚动长截图、离线 OCR、贴图与录屏。
提供 Snow Shot 截图工具和 Snow Image Viewer 看图软件的源码，集截图、录屏、OCR 和图片浏览于一体，适合需要本地桌面图像处理工具的用户。
纯头文件的 C++/Python 近似最近邻检索库，实现 HNSW 算法，无需额外依赖即可嵌入项目，用于向量相似度搜索。
微软开源的分布式近似最近邻搜索库，提供高质量向量索引构建、搜索和在线服务工具，专为大规模向量检索场景设计。
高性能开源内存图数据库，兼容 Cypher，用 C++ 编写，适合 GraphRAG、AI 记忆、智能体和实时图分析场景。
轻量级向量与任意对象相似度搜索聚类引擎，支持十多种编程语言，可做近似最近邻检索、模糊搜索和推荐系统。
给编码智能体用的零依赖 C++23 命令行工具和 MCP 服务器，像 ripgrep 一样快速检索代码上下文，还能评估改动影响范围、该跑哪些测试和质量变化。
基于 Tesseract 的图形界面 OCR 工具，支持扫描仪输入和 PDF 文档处理，方便把图片和扫描件转成可编辑文本。
用 C++ 实现的支持 Cypher 查询语言的图数据库，适合构建代码知识库和知识图谱，为检索与 RAG 场景提供图数据存储和查询能力。
基于邻域图和树结构的高维向量近邻检索库，用 C++ 实现，适合给向量数据库和 RAG 系统做低延迟的近似最近邻搜索。
基于 TensorRT FP16 加速的 PP-OCRv6 推理服务，在 OmnidocBench 上跑出 200+ img/s，提供 HTTP 和 gRPC 接口，适合高吞吐文档解析与 RAG 场景。
把 PaddlePaddle 训练好的模型导出成 ONNX 格式，方便用 ONNX Runtime 等推理引擎部署，覆盖分类、检测、OCR 等模型。
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。
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。
一款简单漂亮的跨平台截图工具，内置离线 OCR 和图片翻译，还能贴图钉图，适合日常截屏取字和快速翻译。