一个能自主完成深度调研的智能体，可接入任意 LLM 提供商，自动搜索、抓取网页并汇总成研究报告。

一个不到 2KB 的轻量搜索引擎，能在浏览器、服务端或边缘网络里跑全文、向量和混合检索，还自带 RAG 流水线，适合做本地化搜索和轻量检索增强。

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。

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。

为 AI Agent 提供可持久化的长期记忆层，让智能体和应用能跨会话记住上下文，开箱即用、面向生产环境。

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 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。

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。

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。

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。

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 AI Agent 用的无服务器单文件记忆层，用嵌入式向量检索替代复杂 RAG 管线，让智能体拥有即时检索和长期记忆能力。

开源向量数据库，同时存储对象和向量，把向量检索和结构化过滤结合起来，具备云原生数据库的容错与扩展能力。

用 Go 写的轻量级分布式文本与向量搜索引擎，主打简单和速度，适合给应用快速加上全文检索或向量检索能力。

本地优先的工作区全文与语义搜索工具，支持 BM25 和向量检索，提供 CLI 与 MCP 接口，方便人和 AI Agent 快速定位代码与文档。

面向 LLM 应用的 AI 原生数据库，把稠密向量、稀疏向量、多向量张量和全文检索融合在一起做混合搜索，速度极快。

用 Python 构建并自动优化 LLM 应用的库，支持自动提示词调优、检索增强和 Agent 编排，帮开发者把大模型应用调得更准更省。

用 LangGraph 搭建的模块化 Agentic RAG 教学项目，几分钟就能上手理解检索增强生成智能体的完整流程。

把文本转成向量矩阵的中文文本表征工具，内置 Word2Vec、Sentence-BERT、CoSENT 等模型，开箱即用做文本相似度计算与语义检索。

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 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。

给 AI 编码代理用的 Git 原生持久记忆库，纯 Go 实现，内置 MCP 服务和 BM25 内存检索，无需外部数据库，能把上下文 token 消耗降低约 80%。

用 Rust 写的代码智能 CLI，为 AI 编程助手构建调用图和混合语义检索索引，支持 7 种语言，并以原生 MCP 工具接入 Claude Code 和 Codex CLI。

在本地对 Markdown 笔记做 Graph RAG 问答，从 wikilink 和 YAML 中抽取实体关系，结合向量、BM25 与时间混合检索，全程离线跑在 Ollama 上。