LlamaFarm 是一个开源框架，专注于构建基于检索增强（RAG）和智能代理的AI应用。它内置了默认方案（本地模型 Ollama、向量存储 Chroma），但架构完全可扩展，支持随时替换运行时、数据库和解析器，无需重写代码。| #框架
主要特点：
- 本地优先体验，一条命令行工具（lf）管理项目、数据集和对话
- 生产级架构，支持配置驱动、模式校验的项目管理
- 灵活定制的RAG流水线，YAML配置即可轻松调整
- 集成多种AI运行时，支持本地模型和云端API无缝切换
- 丰富的CLI命令，实现项目初始化、数据上传、处理及聊天
- 提供OpenAI格式兼容的REST API，方便集成到各种应用
支持 macOS、Linux 和 Windows，安装便捷，助力开发者快速搭建强大AI系统。
#资源参考 #工具 #RAG #LLM
主要特点：
- 本地优先体验，一条命令行工具（lf）管理项目、数据集和对话
- 生产级架构，支持配置驱动、模式校验的项目管理
- 灵活定制的RAG流水线，YAML配置即可轻松调整
- 集成多种AI运行时，支持本地模型和云端API无缝切换
- 丰富的CLI命令，实现项目初始化、数据上传、处理及聊天
- 提供OpenAI格式兼容的REST API，方便集成到各种应用
支持 macOS、Linux 和 Windows，安装便捷，助力开发者快速搭建强大AI系统。
#资源参考 #工具 #RAG #LLM
GitHub
GitHub - llama-farm/llamafarm: Deploy any AI model, agent, database, RAG, and pipeline locally or remotely in minutes
Deploy any AI model, agent, database, RAG, and pipeline locally or remotely in minutes - llama-farm/llamafarm
AI工程不断迭代升级，想掌握LLM、RAG和智能代理的实战技巧？
AI Engineering Hub 是一个集深度教程与实战案例于一体的开源项目，覆盖大语言模型、检索增强生成、AI代理等前沿内容。无论你是入门者、开发者还是研究者，都能在这里找到丰富资源，助力项目落地和技能提升。
主要特色：
- 系统讲解大型语言模型（LLM）和检索增强生成（RAG）技术
- 丰富的AI智能代理实战案例，展示真实业务应用
- 详细示例代码，方便快速上手和二次开发
- 免费数据科学电子书赠送，涵盖150+核心课程，订阅即得
#资源参考 #AI Engineering Hub #LLM #RAG #AI前沿内容
AI Engineering Hub 是一个集深度教程与实战案例于一体的开源项目，覆盖大语言模型、检索增强生成、AI代理等前沿内容。无论你是入门者、开发者还是研究者，都能在这里找到丰富资源，助力项目落地和技能提升。
主要特色：
- 系统讲解大型语言模型（LLM）和检索增强生成（RAG）技术
- 丰富的AI智能代理实战案例，展示真实业务应用
- 详细示例代码，方便快速上手和二次开发
- 免费数据科学电子书赠送，涵盖150+核心课程，订阅即得
#资源参考 #AI Engineering Hub #LLM #RAG #AI前沿内容
GitHub
GitHub - patchy631/ai-engineering-hub: In-depth tutorials on LLMs, RAGs and real-world AI agent applications.
In-depth tutorials on LLMs, RAGs and real-world AI agent applications. - patchy631/ai-engineering-hub
在线智能问答系统，文档上传、向量检索、模型推理一体化，轻松实现本地RAG入门体验。
Local PDF Chat RAG 是一个开源项目，专为想理解并动手实践检索增强生成（RAG）技术的初学者设计。它结合了PDF处理、FAISS向量检索、多模型集成等核心模块，帮助你从源码层面掌握RAG的底层流程。
主要功能：
- 多PDF文档上传与自动文本切割向量化
- 本地FAISS向量数据库构建与高效语义检索
- 混合BM25关键词检索提升召回率
- 交叉编码器及大模型（支持本地 Ollama 和云端 SiliconFlow）结果重排序
- 支持联网搜索增强回答的时效性（需配置SerpAPI密钥）
- 递归式深度检索，自动生成新查询，提升答复深度
- Gradio交互式Web UI，操作简单直观
- 本地化优先，保护数据隐私
适合科研、开发者和RAG技术爱好者快速上手，理解RAG的全流程细节。
#资源参考 #工具 #RAG
Local PDF Chat RAG 是一个开源项目，专为想理解并动手实践检索增强生成（RAG）技术的初学者设计。它结合了PDF处理、FAISS向量检索、多模型集成等核心模块，帮助你从源码层面掌握RAG的底层流程。
主要功能：
- 多PDF文档上传与自动文本切割向量化
- 本地FAISS向量数据库构建与高效语义检索
- 混合BM25关键词检索提升召回率
- 交叉编码器及大模型（支持本地 Ollama 和云端 SiliconFlow）结果重排序
- 支持联网搜索增强回答的时效性（需配置SerpAPI密钥）
- 递归式深度检索，自动生成新查询，提升答复深度
- Gradio交互式Web UI，操作简单直观
- 本地化优先，保护数据隐私
适合科研、开发者和RAG技术爱好者快速上手，理解RAG的全流程细节。
#资源参考 #工具 #RAG
GitHub
GitHub - weiwill88/Local_Pdf_Chat_RAG
Contribute to weiwill88/Local_Pdf_Chat_RAG development by creating an account on GitHub.
Ragflow-Plus：基于 Ragflow 的二次开发，专注解决实际应用痛点，提升知识库管理与文档交互效率。
• 全新后台管理系统：支持用户、团队、配置、文件与知识库统一管理，提升运维便捷度
• 权限回收机制：前端权限收缩，简化操作界面，保障安全与易用并重
• 解析能力升级：引入 MinerU 替代 DeepDoc，增强文本与图片解析效果，实现图文结合输出
• 文档撰写模式革新：全新交互体验，优化内容创作流程，适合多场景知识沉淀
• 开箱即用：提供 Docker 快速部署方案，配套视频教程与详细文档支持
• 开源透明：遵循 AGPLv3 许可证，支持商业使用，保障软件自由与合规
• 社群活跃：官方社群讨论技术与使用，支持持续贡献与共建
Ragflow-Plus 深耕知识管理本质，结合技术迭代与用户需求，助力打造高效、灵活的智能文档与问答平台。
#资源参考 #RAG
• 全新后台管理系统：支持用户、团队、配置、文件与知识库统一管理，提升运维便捷度
• 权限回收机制：前端权限收缩，简化操作界面，保障安全与易用并重
• 解析能力升级：引入 MinerU 替代 DeepDoc，增强文本与图片解析效果，实现图文结合输出
• 文档撰写模式革新：全新交互体验，优化内容创作流程，适合多场景知识沉淀
• 开箱即用：提供 Docker 快速部署方案，配套视频教程与详细文档支持
• 开源透明：遵循 AGPLv3 许可证，支持商业使用，保障软件自由与合规
• 社群活跃：官方社群讨论技术与使用，支持持续贡献与共建
Ragflow-Plus 深耕知识管理本质，结合技术迭代与用户需求，助力打造高效、灵活的智能文档与问答平台。
#资源参考 #RAG
GitHub
GitHub - zstar1003/ragflow-plus: Ragflow-Plus 是 Ragflow 的二次开发版本，使其更为简洁实用
Ragflow-Plus 是 Ragflow 的二次开发版本，使其更为简洁实用. Contribute to zstar1003/ragflow-plus development by creating an account on GitHub.
Colette：面向技术文档的本地多模态检索增强生成（RAG）开源平台
• 核心采用视觉RAG（V-RAG）技术，将文档转为图像处理，完整保留图表、布局等视觉元素，提升对复杂技术文档的理解能力
• 支持文本RAG，结合非结构化文本抽取、嵌入和主流大语言模型，实现多模态融合检索与交互
• 多模型支持，兼容多种嵌入器与视觉语言模型，灵活适配不同场景
• 集成图像生成（diffusers），增强交互体验与内容创作能力
• 自托管部署，基于Docker，满足数据隐私需求，适合存储和处理敏感技术资料
• 适用环境配置明确（GPU≥24GB，内存≥16GB，磁盘≥50GB），确保性能稳定
• 详细命令行与Python API示例，方便快速集成与二次开发
• 困难排查指南助力优化检索准确性，支持社区反馈与持续迭代
从本质看，Colette围绕“视觉优先”的多模态理解方法，突破传统文本检索局限，提升技术文档智能交互的深度和精度，适合企业与研发机构构建安全、可控的知识管理系统。
#资源参考 #RAG
• 核心采用视觉RAG（V-RAG）技术，将文档转为图像处理，完整保留图表、布局等视觉元素，提升对复杂技术文档的理解能力
• 支持文本RAG，结合非结构化文本抽取、嵌入和主流大语言模型，实现多模态融合检索与交互
• 多模型支持，兼容多种嵌入器与视觉语言模型，灵活适配不同场景
• 集成图像生成（diffusers），增强交互体验与内容创作能力
• 自托管部署，基于Docker，满足数据隐私需求，适合存储和处理敏感技术资料
• 适用环境配置明确（GPU≥24GB，内存≥16GB，磁盘≥50GB），确保性能稳定
• 详细命令行与Python API示例，方便快速集成与二次开发
• 困难排查指南助力优化检索准确性，支持社区反馈与持续迭代
从本质看，Colette围绕“视觉优先”的多模态理解方法，突破传统文本检索局限，提升技术文档智能交互的深度和精度，适合企业与研发机构构建安全、可控的知识管理系统。
#资源参考 #RAG
Simba 是一个开源知识管理系统，旨在与任何检索增强生成 (RAG) 系统无缝集成。
借助现代化的 UI 和模块化架构，开发人员可以专注于构建人工智能解决方案，而不必担心知识管理的复杂性。
🧬 https://github.com/GitHamza0206/simba
#资源参考 #RAG
借助现代化的 UI 和模块化架构，开发人员可以专注于构建人工智能解决方案，而不必担心知识管理的复杂性。
🧬 https://github.com/GitHamza0206/simba
#资源参考 #RAG
GitHub
GitHub - GitHamza0206/simba: Portable KMS (knowledge management system) designed to integrate seamlessly with any Retrieval-Augmented…
Portable KMS (knowledge management system) designed to integrate seamlessly with any Retrieval-Augmented Generation (RAG) system - GitHamza0206/simba
