Catégories
- Toutes les publications 549
- Projets Open Source Pratiques 478
- Articles Tutoriels 22
- Utilitaires en ligne 13
- Actualités IA 7
- Tiny Startups Showcase 7
- Claude Code Skills 6
- Modèles d'Invites 5
- Espaces Hugging Face 3
- OpenClaw Use Cases 3
- LLM Learning Resources 1
- Online AI Image Tools 1
- OpenClaw Master Skills Collection 1
- Rust Training Resources 1
- AI Short Drama Tools 1
- Mes favoris 0
Publications marquées avec: RAG
Content related to RAG
Zvec : Base de données vectorielle en processus ultra-rapide d'Alibaba
Découvrez Zvec, la base de données vectorielle open-source d'Alibaba qui s'intègre directement dans vos applications sans aucun serveur. Recherchez des milliards de vecteurs en millisecondes, supportez les embeddings denses/clairsemés, recherche hybride, et exécutez partout — des notebooks aux appareils edge. La dernière v0.3.0 ajoute le support Windows/Android, la quantification RabitQ et la C-API pour les agents IA. Installez via pip ou npm et commencez à construire des applications RAG dès aujourd'hui avec cette puissance légère de production qui affiche 9,3k étoiles GitHub.
txtai : Framework AI Tout-en-Un pour RAG et Agents
Découvrez txtai, le framework AI open-source ultime combinant recherche sémantique, orchestration LLM, agents autonomes et pipelines RAG. Construisez des applications AI prêtes pour la production avec recherche vectorielle, embeddings multimodaux et automatisation de workflows. Commencez en minutes avec pip install txtai et explorez plus de 70 notebooks Colab couvrant tout, des graphes sémantiques au RAG parole-parole.
memory-lancedb-pro : Plugin Mémoire IA OpenClaw
Transformez vos agents IA OpenClaw avec memory-lancedb-pro – un plugin mémoire basé sur LanceDB qui donne aux agents une véritable mémoire à long terme. Capture automatiquement les conversations, extrait intelligemment les faits/préférences clés, et rappelle automatiquement le contexte pertinent entre les sessions. Fonctionnalités : récupération hybride vector+BM25, rerank cross-encoder, décroissance Weibull, et isolation multi-portée. Script d’installation en un clic rend la configuration sans effort pour OpenClaw 2026.3+.
Guide Ultime d'Apprentissage LLM : Plus de 70 PDFs des Bases à l'Avancé
Découvrez 'Teaching Boyfriend LLM' - le dépôt GitHub ultime avec plus de 70 notes de cours PDF en chinois couvrant les fondamentaux LLM, fine-tuning, RLHF, RAG, Agents, optimisation de l'inférence, et modèles de pointe comme DeepSeek R1, Qwen3, Llama3. Parfait pour développeurs, étudiants et ingénieurs AI cherchant un parcours systématique de zéro à expert. Organisé par sujet avec notations de difficulté claires et progression d'apprentissage.
PageIndex : Le Cadre Open‑Source de RAG Basé sur le Raisonnement
Découvrez PageIndex, un outil open‑source révolutionnaire qui élimine la nécessité de bases de données vectorielles dans la Retrieval Augmented Generation (RAG). En construisant un index d'arbre hiérarchique et en utilisant le raisonnement LLM, PageIndex assure une récupération semblable à un humain sans découpage ni similarité vectorielle. Cet article explore ses concepts fondamentaux, ses étapes d'installation, ses cas d'utilisation pratiques — notamment l'analyse des documents financiers et juridiques — et ses résultats impressionnants sur les benchmarks. Que vous soyez chercheur, développeur ou data scientist, apprenez à transformer de longs PDFs et fichiers Markdown en connaissances exploitables grâce à cette bibliothèque Python légère.
FlashRAG : Un kit Python pour la recherche RAG efficace
FlashRAG est un cadre Python à la pointe, sous licence MIT, qui transforme la recherche en Retrieval‑Augmented Generation (RAG) de la théorie à la pratique. Avec 36 jeux de données de référence pré‑traités, 23 algorithmes à la fine pointe et une interface légère, il permet aux chercheurs de prototyper et d’évaluer les pipelines RAG en quelques minutes. Que vous soyez data scientist construisant une pile de récupération personnalisée, développeur LLM explorant des approches basées sur le raisonnement, ou amateur souhaitant obtenir des résultats instantanés, la conception modulaire, l’installation aisée et les composants étendus de FlashRAG rendent le travail complexe de RAG accessible. Découvrez comment configurer votre environnement, mettre en place les pipelines et exploiter les méthodes de raisonnement du kit pour les réponses Q&A multi‑sauts, tout en contribuant à une communauté active d’enthousiastes open‑source RAG.
rag‑chunk: Outil CLI pour mesurer et optimiser le découpage RAG
Rag‑chunk est un utilitaire en ligne de commande léger basé sur Python qui permet aux data scientists et ingénieurs ML de tester, mesurer et affiner les stratégies de découpage pour la Génération Augmentée par Requête (RAG). Avec la prise en charge du découpage de taille fixe, de fenêtre glissante, de paragraphe, et même de découpage récursif par caractère, vous pouvez comparer les scores de rappel, ajuster les limites précises en tokens grâce à tiktoken, et exporter les résultats sous forme de tableaux, JSON ou CSV. Cet article décrit l'installation, les principales fonctionnalités, des exemples concrets et des conseils pour choisir la meilleure stratégie pour vos documents markdown. Que vous soyez en phase de prototypage d'un nouveau pipeline RAG ou en réglage fin d'un système de lecture en production, rag‑chunk vous fournit les données nécessaires pour prendre des décisions éclairées.
DeepTutor : Assistant d’apprentissage personnalisé alimenté par l’IA – Projet open-source
DeepTutor apporte le tutorat IA de pointe à portée de main. Ce système multi-agent open source combine FastAPI, Next.js et les pipelines RAG pour offrir des réponses instantanées, une visualisation interactive, une pratique personnalisée et la génération de recherche. Avec un support Docker complet, une interface en ligne de commande et une interface web intuitive, les développeurs peuvent rapidement créer un tuteur IA personnel, expérimenter avec des embeddings ou contribuer de nouveaux modules. Explorez l'architecture, les étapes d'installation, les fonctionnalités clés et comment contribuer, et rejoignez la communauté croissante d'éducateurs et de développeurs qui façonnent l'avenir de l'apprentissage piloté par l'IA.
RAG-Anything : Le framework RAG multimodal tout-en-un
Découvrez RAG-Anything, un framework open-source innovant qui révolutionne la Génération Augmentée par Récupération (RAG) en offrant un support complet pour les documents multimodaux. Ce système de pointe traite le texte, les images, les tableaux et les équations de manière transparente, surpassant les limites du RAG traditionnel. Apprenez comment RAG-Anything, bâti sur LightRAG, propose un pipeline de bout en bout pour l'ingestion, l'analyse et la requête intelligente de documents, en faisant un outil indispensable pour la recherche universitaire, la documentation technique et la gestion des connaissances en entreprise.
Maîtriser les techniques RAG avancées : Un dépôt GitHub
Plongez dans le monde de la Génération Augmentée par la Récupération (RAG) grâce à un dépôt GitHub exhaustif proposant des techniques avancées. Cette ressource offre des implémentations pratiques et des tutoriels couvrant les bases du RAG, l'amélioration des requêtes, l'enrichissement du contexte et des méthodes de récupération avancées. Idéal pour les développeurs et les chercheurs souhaitant perfectionner leurs systèmes RAG, il comprend des scripts exécutables, des explications détaillées et des exemples d'intégration avec des frameworks populaires comme LangChain et LlamaIndex. Explorez des approches de pointe telles que Graph RAG, Self-RAG et Corrective RAG, ainsi que des méthodologies d'évaluation pour affiner vos applications d'IA. Rejoignez une communauté dynamique et contribuez à ce pôle de connaissances en constante évolution pour l'innovation RAG.