检索与 RAG
共 31 个仓库 · Rust
用 Rust 写的极速搜索引擎 API，支持全文、模糊、地理和 AI 混合检索，几行代码就能给网站或应用加上即时搜索。
高性能大规模向量数据库与向量检索引擎，用 Rust 编写，支持 HNSW、混合检索和图像搜索，适合为 AI 应用和 RAG 提供相似度检索能力。
开源的向量数据库，专门给 AI 应用做检索基础设施，支持 RAG、语义搜索和智能体记忆存储，底层用 Rust 重写后性能更强。
一个 Rust 单二进制实现的 AI 搜索引擎兼 MCP 服务器，把代码、文档、日志、JSONL/CSV 和 PDF 统一索引，为智能体和机器人提供 BM25 全文、向量、混合检索、免 grep 代码搜索、Agent 记忆与 RAG 能力。
用 Rust 写的高性能开源文档解析器，能从 PDF 等文档中快速提取文本和 OCR 识别结果，适合给 RAG 和检索流程做预处理。
面向多模态 AI 的嵌入式向量检索库，支持近似最近邻搜索和语义相似度检索，无需单独部署服务，帮开发者省去向量数据管理的麻烦。
一个 Rust 写的全能 LLM 命令行工具，集成 Shell 助手、对话 REPL、RAG 和 AI Agent，统一接入 OpenAI、Claude、Gemini、Ollama 等多家模型。
基于 GraphBLAS 稀疏邻接矩阵实现的高性能图数据库，主打为 LLM 提供知识图谱支撑，适合做 GraphRAG 检索增强。
多语言文档智能解析引擎，能从 100 多种格式中提取文本、表格和元数据，并支持 OCR、语音转写和代码理解，适合为 RAG 流程准备高质量数据。
把全文检索、向量召回和聚合分析都塞进一个 Postgres 里，靠 pg_search 扩展实现 BM25 与混合搜索，省去额外维护搜索和向量库的麻烦。
基于 Rust 重写的云原生数据仓库，统一支持分析、搜索、AI 与 Python 沙箱，直接架在 S3 上，省去多套系统拼装。
基于 Rust 和 PostgreSQL 的自托管企业级世界模型，用双时态知识图谱与 GraphRAG 为 LLM Agent 提供可追溯的长期记忆和知识检索。
用 Rust 写的 OLTP 图数据库，跑在对象存储上，原生集成向量检索和全文搜索，适合给 RAG 应用做统一的数据底座。
给 Redis 加上二级索引、全文检索、向量相似度搜索和聚合能力的查询索引引擎，让 Redis 直接承担搜索与 RAG 检索场景。
面向文本嵌入模型的高性能推理服务，用 Rust 编写，可快速把文本转成向量，适合搭建检索和 RAG 的向量化后端。
用 Rust 写的高性能向量图神经网络数据库，把向量检索、GNN 推理和智能体记忆放在一起，主打实时决策和低延迟自学习。
用基础设施即代码的方式管理生产环境本体，支持变更前评估影响范围、变更后回滚，并生成审计员可复核的形式化证明。
用 Rust 写的高效近似最近邻检索算法库，集成 HNSW 等索引结构，为图像搜索、推荐系统等场景提供快速的向量相似度查询。
用 Rust 写的高性能 GraphRAG 引擎，灵感来自 LightRAG，把文档转成知识图谱，让检索和生成效果更好。
用 Rust 写的多后端 OCR/视觉语言模型引擎，支持 DeepSeek-OCR、PaddleOCR-VL 等模型和 DSQ 量化，无需 Python 即可本地跑起兼容 OpenAI 的服务和命令行。
基于对象存储的图数据库，支持分支和类型化本体，用 Rust 写成，适合在 S3 等存储上构建可版本化的知识图谱与上下文图。
Rust 写的进程内搜索库兼多租户服务端，把 BM25 词法检索和向量检索揉在一起，适合做混合搜索和 RAG 的召回层。
用 Rust 写的 OCR 库和命令行工具，能从图片中提取文字，适合需要轻量、可嵌入的光学字符识别能力的场景。
把 Markdown 笔记组织成知识图谱，通过 LSP 接入编辑器，并提供 CLI 和 MCP 记忆接口供 AI Agent 使用。