本地优先的深度研究问答系统，接 llama.cpp、Ollama 等本地或云端模型，聚合 arXiv、PubMed 及私有文档等十余个检索源，全程加密。
本地个人图书管理员 Agent，能解析电脑里的文档并建立向量索引，让你用自然语言问答检索文件、整理资料和记住重要信息。
面向 LLM 应用的自动化评测工具，用合成测试集和多种指标量化 RAG 与生成效果，帮你在上线前发现质量问题。
面向 Agent 应用的 Python 可观测性 SDK，支持对 Agent、LLM 和工具调用做追踪、调试与评测，自带可自托管面板，用时间线和执行图看清多智能体系统的运行过程。
把网页直接当像素图像来检索的 RAG 引擎，跳过 HTML 解析，靠视觉语言模型做原生搜索，适合构建多模态 Agent 的长期记忆。
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。
在本地网络内用开源大模型完成文件摄取与检索增强生成，数据不出内网、不依赖第三方服务。
把 Markdown 笔记丢进去，本地 Ollama 模型自动抽取概念并生成双向链接，让 Obsidian 知识库自己长起来，全程不联网、笔记不外传。
自托管的大模型对话界面，兼容 Ollama、OpenAI API 等后端，内置 RAG 与 MCP 支持，让团队快速搭建私有 AI 聊天入口。
把向量检索、知识图谱和交叉编码器重排揉在一起的混合 RAG 系统，支持 Docling 解析文档、图片表格理解、流式对话和行内引用，可接 Gemini 或本地 Ollama。
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。
面向本地和自托管文档搜索的 Agentic RAG 方案，基于嵌入式 LanceDB 实现混合检索、重排序和多模态 RAG，并自带 Docling 解析与 MCP 服务。
基于多智能体与 RAG 的个性化 AI 导师，能长期跟踪学习进度、按个人情况调整教学内容，适合搭建交互式学习与深度研究场景。
本地优先的 AI 智能体工作台，把文档、对话和工具整合成可私有部署的知识库与代理，数据留在自己机器上，不用租用云端智能服务。
开源的 RAG 文档问答工具，上传文档后即可用大模型对话检索，快速搭建私有知识库问答。
面向 LLM、RAG 和真实 AI Agent 应用的深度教程合集，用 Jupyter Notebook 带你从原理到落地跑通完整案例。
给 AI 编程代理加上跨会话的长期记忆：自动记录会话过程，用 AI 压缩后把相关上下文注入后续会话，兼容 Claude Code、Codex、Copilot 等多种代理。
基于 Langchain 和 ChatGLM、Qwen、Llama 等本地大模型搭建的知识库问答应用，支持 RAG 检索增强与 Agent 能力，可离线部署私有文档问答系统。
可自托管的个人 AI 第二大脑，能从网页和本地文档中检索答案，支持自定义智能体、定时自动化和深度研究，兼容多种在线或本地大模型。
在工具输出、日志、文件和 RAG 片段进入 LLM 前先做压缩，编码 Agent 省约 20% token，JSON 省 60-95%，答案不变。提供库、代理和 MCP 服务器三种用法。
基于大模型和 RAG 的 AI 问答搜索引擎，接入 SearXNG 检索后生成带引用的答案，适合自建类似 Perplexica 的智能搜索服务。
本地部署的 NotebookLM 替代品，AI 智能体能自动检索、改写和编辑你的文档，数据不出内网，适合对隐私敏感的研究场景。
把代码库连同文档、SQL schema、配置和 PDF 一起解析成可查询的知识图谱，供 Claude Code、Cursor 等编码 Agent 做代码检索，全程本地 AST 解析、不依赖向量库。
用大语言模型驱动的 Python 爬虫，只需描述想抓什么，就能自动完成网页抓取和结构化数据提取，省去手写解析规则。
给 AI Agent 提供持久化长期记忆的开源平台，用小型模型即可免费搭建，解决智能体跨会话记不住上下文的问题。
一个免代码的 RAG 服务器，能随文档更新自动同步答案，支持 8 种向量数据库，基于 Pathway 构建。
高性能云原生向量数据库，专为大规模向量近似最近邻检索设计，适合搭建以图搜图、语义搜索和 RAG 等应用。
输入一个主题，就能自动联网检索并生成带引用的长篇调研报告，省去人工查资料和整理成文的时间。
用 Rust 实现的高性能 GraphRAG 引擎，从文档中抽取实体构建知识图谱，支持可配置实体抽取和本地 LLM 接入，实现自然语言问答。
在个人设备上本地跑 RAG 的向量索引库，用图结构剪枝把索引体积压掉 97%，兼顾检索速度和准确率，数据不出本机。
开源 LLM 应用编排框架，用模块化管道和智能体工作流显式控制检索、路由、记忆与生成，适合搭建 RAG、语义搜索和多模态对话系统。
O'Reilly《Hands-On Large Language Models》官方配套代码，用 Jupyter Notebook 带你动手跑通大模型的分词、嵌入、提示工程、微调与 RAG 等核心环节。
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。
面向 AI Agent 的自进化上下文数据库，把 Agent 记忆、知识 RAG 和技能统一管理，解决多来源上下文分散、难以持续演进的问题。
把 PDF 快速转成 Markdown 和 JSON，解析准确率高，适合喂给 RAG 或做文档结构化处理。
面向 RAG 的文档索引方案，不依赖向量数据库，用推理方式定位和检索文档内容，适合构建 Agent 式检索流程。
面向大模型微调、RAG 和评测的数据集制作工具，支持数据生成、清洗与导出，省去手工整理训练数据的麻烦。
把原始文档变成可查询的 RAG、自主推理 Agent 和自维护 Wiki 的开源 LLM 知识平台，适合搭建企业知识库与智能问答。