# RAG

Ducky是一種全面管理的AI檢索服務，專為那些需要快速準確結果的開發人員而設計。它支持語義搜索，包括檢索增強生成（RAG），並且提供了簡單明瞭的Python SDK，可以快速構建出色的搜索功能。

Contextual AI Reranker 是一款革命性的AI模型，專為解決企業級檢索增強生成（RAG）系統中信息衝突和排序不準確的問題而設計。它能夠根據用戶提供的自然語言指令，對檢索結果進行精準排序，確保最符合需求的信息優先展示。該產品基於先進的AI技術，經過行業標準BEIR基準測試和內部數據集驗證，表現卓越。其主要優點包括高準確率、強大的指令遵循能力和靈活的定製化選項，適用於金融、技術、專業服務等多個領域。產品目前提供免費試用，並通過API形式接入，方便企業快速部署和使用。

wdoc 是由 Olicorne（一名醫學生）開發的 RAG 系統，旨在通過檢索增強生成技術解決文檔查詢和總結問題。它支持多種文件類型（如 PDF、網頁、YouTube 視頻等），並結合多種語言模型提供高召回率和高特異性的查詢結果。wdoc 的主要優點包括強大的多文件類型支持、高效的檢索能力和靈活的擴展性。它適用於研究人員、學生和專業人士，幫助他們快速處理大量信息。wdoc 目前處於開發階段，開發者歡迎用戶反饋和功能請求，以不斷完善產品。

Site RAG 是一款 Chrome 擴展程序，旨在通過自然語言處理技術幫助用戶在瀏覽網頁時快速獲取問題答案。它支持將當前頁面內容作為上下文進行查詢，還能將整個網站內容索引到向量數據庫中，以便後續進行檢索增強生成（RAG）。該產品完全在本地瀏覽器運行，確保用戶數據安全，同時支持連接本地運行的 Ollama 實例進行推理。它主要面向需要快速從網頁內容中提取信息的用戶，如開發者、研究人員和學生。目前該產品免費提供，適合希望在瀏覽網頁時獲得即時幫助的用戶。

該產品是一個React組件，專為RAG（檢索增強生成）AI助手設計。它結合了Upstash Vector進行相似性搜索、Together AI作為LLM（大型語言模型）以及Vercel AI SDK用於流式響應。這種組件化設計使得開發者可以快速將RAG能力集成到Next.js應用中，極大地簡化了開發流程，同時提供了高度的可定製性。其主要優點包括響應式設計、支持流式響應、持久化聊天曆史以及支持暗黑/淺色模式等。該組件主要面向需要在Web應用中集成智能聊天功能的開發者，尤其是那些使用Next.js框架的團隊。它通過簡化集成過程，降低了開發成本，同時提供了強大的功能。

RAG-logger是一個為檢索增強生成(Retrieval-Augmented Generation, RAG)應用設計的開源日誌工具。它是一個輕量級的、針對RAG特定日誌需求的開源替代方案，專注於為RAG應用提供全面的日誌記錄功能，包括查詢跟蹤、檢索結果記錄、LLM交互記錄以及逐步性能監控。它採用基於JSON的日誌格式，支持每日日誌組織、自動文件管理和元數據豐富化。RAG-logger以其開源、輕量級和專注於RAG應用的特性，為開發者提供了一個有效的工具來監控和分析RAG應用的性能。

Command R7B是Cohere公司推出的一款高性能、可擴展的大型語言模型（LLM），專為企業級應用設計。它在保持較小模型體積的同時，提供了一流的速度、效率和質量，能夠在普通的GPU、邊緣設備甚至CPU上部署，大幅降低了AI應用的生產部署成本。Command R7B在多語言支持、引用驗證檢索增強生成（RAG）、推理、工具使用和代理行為等方面表現出色，特別適合需要優化速度、成本性能和計算資源的企業使用案例。

E2M是一個Python庫，能夠解析並轉換多種文件類型到Markdown格式。它採用瞭解析器-轉換器架構，支持包括doc、docx、epub、html、htm、url、pdf、ppt、pptx、mp3和m4a等多種文件格式的轉換。E2M項目的最終目標是為檢索增強生成(RAG)和模型訓練或微調提供高質量的數據。

vision-is-all-you-need是一個展示Vision RAG (V-RAG)架構的演示項目。V-RAG架構使用視覺語言模型(VLM)直接將PDF文件頁面（或其他文檔）嵌入為向量，無需繁瑣的分塊處理。該技術的重要性在於它能夠大幅提高文檔檢索的效率和準確性，特別是在處理大量數據時。產品背景信息顯示，這是一個利用最新人工智能技術，提高文檔處理能力的創新工具。目前，該項目是開源的，可以免費使用。

Minima是一個開源的、完全本地化的RAG（Retrieval-Augmented Generation）模型，具備與ChatGPT和MCP（Model Context Protocol）集成的能力。它支持三種模式：完全本地安裝、通過ChatGPT查詢本地文檔以及使用Anthropic Claude查詢本地文件。Minima的主要優點包括本地化處理數據，保護隱私，以及能夠利用強大的語言模型來增強檢索和生成任務。產品背景信息顯示，Minima支持多種文件格式，並允許用戶自定義配置以適應不同的使用場景。Minima是免費開源的，定位於需要本地化AI解決方案的開發者和企業。

Qwen-Agent是一個基於Qwen>=2.0構建的Agent框架，它具備指令遵循、工具使用、規劃和記憶能力。該框架提供瞭如瀏覽器助手、代碼解釋器和自定義助手等示例應用。Qwen-Agent的主要優點包括其高度的可擴展性和模塊化設計，允許開發者根據需要集成不同的工具和功能。產品背景信息顯示，Qwen-Agent旨在為開發者提供一個強大的工具集，以構建和部署基於大型語言模型的應用程序。Qwen-Agent在GitHub上開源，允許社區貢獻和協作。

Inquir是一個強大的工具，用於創建個性化的搜索引擎，根據您的數據量身定製。它解鎖了諸如自定義搜索解決方案、數據組合、AI驅動的檢索增強生成(RAG)系統以及上下文感知搜索功能等強大功能。通過啟動您的引擎或安排演示，邁向改善用戶體驗的第一步。

Chonkie是一個為檢索增強型生成（RAG）應用設計的文本分塊庫，它輕量級、快速，並且易於使用。該庫提供了多種文本分塊方法，支持多種分詞器，並且具有高性能。Chonkie的主要優點包括豐富的功能、易用性、快速處理速度、廣泛的支持和輕量級的設計。它適用於需要高效處理文本數據的開發者和研究人員，特別是在自然語言處理和機器學習領域。Chonkie是開源的，遵循MIT許可證，可以免費使用。

Trieve是一個AI優先的基礎設施API，結合了語言模型和工具，用於微調排名和相關性，提供一站式的搜索、推薦、RAG和分析解決方案。它能夠自動持續改進，基於數十個反饋信號，確保相關性。Trieve支持語義向量搜索、BM25和SPlade全文搜索，以及混合搜索，結合全文搜索和語義向量搜索。此外，它還提供了商品推銷和相關性調整功能，幫助用戶通過API或無代碼儀表板調整搜索結果以實現KPI。Trieve建立在最佳基礎之上，使用開源嵌入模型和LLMs，運行在自己的服務器上，確保數據安全。

Dabarqus是一個Retrieval Augmented Generation（RAG）框架，它允許用戶將私有數據即時提供給大型語言模型（LLM）。這個工具通過提供REST API、SDKs和CLI工具，使得用戶能夠輕鬆地將各種數據源（如PDF、電子郵件和原始數據）存儲到語義索引中，稱為“記憶庫”。Dabarqus支持LLM風格的提示，使用戶能夠以簡單的方式與記憶庫進行交互，而無需構建特殊的查詢或學習新的查詢語言。此外，Dabarqus還支持多語義索引（記憶庫）的創建和使用，使得數據可以根據主題、類別或其他分組方式進行組織。Dabarqus的產品背景信息顯示，它旨在簡化私有數據與AI語言模型的集成過程，提高數據檢索的效率和準確性。

Vectorize是一個專注於將非結構化數據轉化為優化的向量搜索索引的平臺，專為檢索增強生成(RAG)而設計。它通過連接內容管理系統、文件系統、CRM、協作工具等多種數據源，幫助用戶創建提高生產力的輔助系統和創新的客戶體驗。Vectorize的主要優點包括易於使用、快速部署和高精度的搜索結果，適合需要處理大量數據並希望快速實現AI應用的企業。

Epsilla是一個無需編碼的RAG即服務(RAG-as-a-Service)平臺，它允許用戶基於私有或公共數據構建生產就緒的大型語言模型(Large Language Model, LLM)應用程序。該平臺提供了一站式服務，包括數據管理、RAG工具、CI/CD風格的評估以及企業級安全措施，旨在降低總擁有成本(TCO)，提高查詢速度和吞吐量，同時確保信息的時效性和安全性。

kotaemon是一個開源的、基於RAG（Retrieval-Augmented Generation）模型的工具，旨在通過聊天界面與用戶文檔進行交互。它支持多種語言模型API提供商和本地語言模型，提供了一個乾淨、可定製的用戶界面，適用於終端用戶進行文檔問答以及開發者構建自己的RAG問答流程。

Ragie是一款面向開發者的RAG（Retrieval-Augmented Generation）即服務產品，它通過易於使用的API和SDK，幫助開發者快速啟動並實現生成式AI應用。Ragie具備高級功能，如LLM重排、摘要索引、實體提取等，確保提供精確可靠的信息。它還支持與Google Drive、Notion等流行數據源的直接連接，並支持自動同步，保持數據最新。Ragie由Craft Ventures領導，提供簡單明瞭的定價策略，無需設置費用或隱藏成本。

RAG_Techniques 是一個專注於檢索增強生成(Retrieval-Augmented Generation, RAG)系統的技術集合，旨在提升系統的準確性、效率和上下文豐富性。它提供了一個前沿技術的中心，通過社區貢獻和協作環境，推動RAG技術的發展和創新。

Easy-RAG是一個檢索增強生成(RAG)系統，它不僅適合學習者瞭解和掌握RAG技術，同時也便於開發者使用和進行自主擴展。該系統通過集成知識圖譜提取解析工具、rerank重新排序機制以及faiss向量數據庫等技術，提高了檢索效率和生成質量。

RAGFoundry是一個庫，旨在通過在特別創建的RAG增強數據集上微調模型，提高大型語言模型（LLMs）使用外部信息的能力。該庫通過參數高效微調（PEFT）幫助用戶輕鬆訓練模型，並使用RAG特定指標衡量性能提升。它具有模塊化設計，工作流程可通過配置文件自定義。

Korvus是一個基於Postgres構建的搜索SDK，它將整個RAG（檢索增強生成）流程統一到單一的數據庫查詢中。它提供了高性能、可定製的搜索能力，同時最小化了基礎設施的考慮。Korvus利用PostgresML的pgml擴展和pgvector擴展，將RAG流程壓縮在Postgres內部。它支持多語言SDK，包括Python、JavaScript、Rust和C，允許開發者無縫集成到現有的技術棧中。

Retrieval-Augmented Generation (RAG) 是一種前沿技術，通過整合外部知識源來增強生成模型的能力，提高生成內容的質量和可靠性。LangChain是一個強大的框架，專為構建和部署穩健的語言模型應用而設計。本教程系列將提供全面的、分步驟的指南，幫助您使用LangChain實現RAG，從基礎RAG流程的介紹開始，逐步深入到查詢轉換、文檔嵌入、路由機制、查詢構建、索引策略、檢索技術以及生成階段，最終將所有概念整合到一個實際場景中，展示RAG的強大和靈活性。

RAGElo是一個工具集，使用Elo評分系統幫助選擇最佳的基於檢索增強生成（RAG）的大型語言模型（LLM）代理。隨著生成性LLM在生產中的原型設計和整合變得更加容易，評估仍然是解決方案中最具有挑戰性的部分。RAGElo通過比較不同RAG管道和提示對多個問題的答案，計算不同設置的排名，提供了一個良好的概覽，瞭解哪些設置有效，哪些無效。

GoMate是一個基於Retrieval-Augmented Generation (RAG)框架的模型，專注於提供可靠輸入和可信輸出。它通過結合檢索和生成技術，提高信息檢索和文本生成的準確性和可靠性。GoMate適用於需要高效、準確信息處理的領域，如自然語言處理、知識問答等。

Omakase RAG Orchestrator是一個旨在解決構建RAG應用時遇到的挑戰的項目，它通過提供一個綜合的Web應用程序和API來封裝大型語言模型(LLMs)及其包裝器。該項目整合了Django、Llamaindex和Google Drive，以提高應用的可用性、可擴展性和數據及用戶訪問管理。

Verba 是一個開源應用程序，旨在提供端到端、流暢且用戶友好的檢索增強生成（RAG）接口。它結合了最先進的RAG技術和Weaviate的上下文感知數據庫，支持本地或通過雲部署，可以輕鬆探索數據集並提取洞見。

Command R+是一款先進的RAG優化模型，專為處理企業級工作負載而設計，首次在Microsoft Azure上推出。該模型具有128k令牌上下文窗口，提供最佳性能的先進檢索增強生成（RAG）功能，支持10種關鍵語言的多語言覆蓋，以及工具使用功能以自動化複雜的業務流程。定價為Command R+：$3.00/M輸入令牌，$15.00/M輸出令牌。該產品適用於各種企業場景，如金融、人力資源、銷售、營銷和客戶支持等。

SciPhi是一個開源的端到端RAG平臺，使構建、部署和優化系統變得簡單。它提供直觀的框架和抽象，可與LangChain等解決方案相比較。通過SciPhi，您可以輕鬆啟動和擴展最好的RAG系統，並選擇各種託管和遠程提供商以滿足您的需求。無論是自託管還是雲部署選項都可用。