跨栏目检索
搜索中文标题、仓库名或关键词，再用分类、来源和日期缩小范围。
今天暂时没有新上架内容，你可以继续浏览历史归档。
tsgreenberg1217/aimuro · AI-powered rules assistant for the Gundam Trading Card Game.
AiMURO 是一个面向高达集换式卡牌游戏的 AI 规则助手，通过自然语言回答规则问题。项目结合对官方规则文档的语义检索与实时卡牌数据查询，将回答建立在权威资料之上。技术上采用 Planner + 工具调用的 Agentic RAG 方式，按请求决定所需信息，并使用声明式嵌入切分策略提升检索精度；卡牌数据经 GraphQL 实时获取。运行时基于 Kotlin / Spring Boot 与 Spring AI，支持 OpenAI 或本地 Ollama 双模型配置，并通过 Redis Streams 实现可重连的 SSE 流式输出。
r0shi/harborclerk · An MCP server that lets AI agents query your document archive instead of uploading it — with OCR, hybrid search, and cited local-AI answers in a private, Mac-native app.
Harbor Clerk 是一个面向小团队、独立运营者和研究者的本地优先文档智能工具，能够监控文件夹并在本地完成文本提取、OCR、分块、嵌入、混合检索与引用式问答。它支持通过 MCP 或 CLI 让外部 AI 智能体以只读、受限方式查询知识库，仅返回检索片段和引用而非整个文档集，文档原始文件保留在原位置，适合关注隐私、不希望上传资料的场景。
mahdidjemaci/production-rag · 🔍 Enhance retrieval accuracy with a production-ready RAG system that integrates semantic and lexical search for optimal results.
production-rag 是一个生产级检索增强生成（RAG）系统，将语义搜索与词法搜索结合以提升检索准确度。它提供多策略检索（可在不同搜索方法间切换）以及内置评估框架，用于评估不同策略的输出质量，面向真实应用场景。README 中说明系统要求为 Windows、macOS 或 Linux，最低 4 GB 内存（推荐 8 GB），至少 500 MB 存储空间。
Crosstalk-Solutions/project-nomad · Project NOMAD is an offline-first knowledge and education server. Wikipedia, thousands of books, courses, maps, and optional local AI, all running on hardware you own with no internet required.
Project NOMAD 是一个自包含的离线优先知识与教育服务器，通过 Docker 编排一系列容器化工具。内置能力包括：基于 Ollama 或 OpenAI 兼容接口的本地 AI 对话并配合 Qdrant 实现文档上传与语义搜索（RAG）、通过 Kiwix 提供的离线 Wikipedia 与电子书、通过 Kolibri 提供的 Khan Academy 课程与进度跟踪、通过 ProtoMaps 提供的离线地图、通过 CyberChef 提供的数据工具、通过 FlatNotes 提供的本地笔记、硬件基准测试与社区排行榜、一键应用目录（Supply Depot）以及可配置的自动更新。项目提供“Command Center”管理界面与 API，统一处理安装、配置和更新，主要面向浏览器访问。
Tencent/WeKnora · Open-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.
WeKnora 是腾讯开源、基于 LLM 的知识框架，面向企业级文档理解、语义检索与自主推理。以三大能力为核心：RAG 快速问答、可自主编排检索与 MCP 工具及沙箱执行的 ReAct Agent，以及将原始文档提炼为自维护互链 Markdown 知识库并带交互式知识图谱的 Wiki 模式。支持多源知识接入与同步（飞书 Wiki / 飞书 Drive / GitLab / 腾讯 IMA / Notion / 语雀 / 钉钉文档 / RSS 等）与 10 余种文档格式解析，可对接 20 余种 LLM 提供商（含 LiteLLM），提供多工作区 RBAC、可切换的向量库与存储后端、Langfuse 可观测性，以及完全可自托管的模块化架构。
nashsu/llm_wiki
LLM Wiki 是一款跨平台桌面应用，能自动将文档整理成相互关联的知识库，其 LLM 会增量构建并维护持久化的 wiki，而非每次从零检索的传统 RAG 方式。该项目使用 TypeScript 编写，今日获得 647 颗星。