知识库与 RAG01
api-evangelist/mixedbread-ai · Mixedbread — independent third-party profile of a public API surface, by API Evangelist. Mixedbread is a Berlin-based AI search and retrieval platform. It provides embeddings (mxbai-embed, Wholembed v3), rerankers (mxbai-rerank v1/v2/v3-listwise), multimodal stores, document parsing, structured extraction, and connector-based ingestion.
Mixedbread 是一个 Berlin 的 AI 搜索与检索平台，提供嵌入模型（mxbai-embed、Wholembed v3）、重排模型（mxbai-rerank v1/v2/v3-listwise）、多模态存储、文档解析、结构化抽取与基于连接器的数据接入。模型以开放权重形式发布在 Hugging Face，并通过 api.mixedbread.com 的托管 REST API 调用，可支撑文本、PDF、图像、音频、视频的 RAG 与 Agent 检索，覆盖 100 多种语言。该仓库是 API Evangelist 维护的第三方公开 API 资料档案（README 明示不包含软件、不运营该 API）。
知识库与 RAG02
kyopark2014/rag-multimodal · This shows how to use multimodal RAG using managed OpenSearch.
该项目演示如何用多模态 LLM 处理含复杂表格、图表的 PDF：将每页渲染为图片后由 Bedrock 多模态模型转成 Markdown，经 parent/child 分块与 embedding 后写入 Amazon Managed OpenSearch，再通过 LangGraph Agent 结合 OpenSearch MCP 做 k-NN 与 lexical 混合检索、相关性分级并生成回答。附带 FastAPI + React 界面，并提供基于 installer.py 的 S3、OpenSearch、CloudFront、Lambda 等基础设施部署脚本。
知识库与 RAG03
Sreehari05055/thesys-core · Open-source research workspace: search academic papers, upload PDFs, inline citations with on-PDF highlights, reader-mode Q&A, and get citation export in four formats.
Thesys 是一个开源的研究工作台，支持从 OpenAlex 和 arXiv 搜索开放获取论文、上传 PDF 并构建本地知识库。它提供带 PDF 页面高亮的引用式问答、阅读器模式下的选中段落提问、文档摘要（问题陈述、方法、关键发现、局限、指标）、图表描述与高亮引用，以及 BibTeX、RIS、EndNote、CSV 四种格式的文献导出。论文、向量和聊天记录保存在本地磁盘，检索流程使用 Docling、Chroma 与 BGE 嵌入和重排序，聊天通过 LangChain 调用 OpenAI API。
数据处理04
docling-project/docling · Get your documents ready for gen AI
Docling 是一个 Python 文档处理工具，可解析 PDF、DOCX、PPTX、XLSX、HTML、EPUB、图像、音频等多种格式，并提供高级 PDF 理解能力，包括页面布局、阅读顺序、表格结构、代码、公式与图像分类等。它使用统一的 DoclingDocument 表示，支持导出 Markdown、HTML、DocTags 和无损 JSON 等格式，可与 LangChain、LlamaIndex、Crew AI、Haystack 等生成式 AI 生态集成，并支持本地执行、OCR、视觉语言模型、ASR 和 MCP/API 服务。