知识库与 RAG01
rmednitzer/core-graph · Converged graph + vector knowledge platform on PostgreSQL (Apache AGE + pgvector) for security, threat intel, and AI memory
core-graph 是一个构建在 PostgreSQL 之上的图与向量融合知识平台，使用 Apache AGE 存储图数据、pgvector 存储向量嵌入，用于汇聚安全与基础设施领域的异构数据。它涵盖威胁情报、安全事件、OSINT、审计合规、AI 记忆、取证时间线、基础设施资产、身份与访问管理八个本体层，支持 STIX 2.1、MITRE ATT&CK、OCSF 1.1、OSCAL 等标准，并通过 NATS JetStream 接收卫星系统数据。对外提供 MCP 服务器（面向 AI 智能体）、FastAPI REST API（面向人工用户）和 TAXII 2.1（威胁情报共享）三类接口，并内置多层授权、双时态数据模型和证据完整性机制。项目状态为 Alpha。
知识库与 RAG02
Fortemi/fortemi · Self-hosted AI knowledge base with hybrid semantic search (pgvector + FTS + RRF), MCP server, multi-provider LLM inference (Ollama, OpenAI, OpenRouter, llama.cpp), multimodal ingestion (vision, audio transcription, speaker diarization), and knowledge graph. Rust + PostgreSQL.
Fortémi 是一个面向 AI 应用的自托管智能数据库，基于 Rust 与 PostgreSQL 构建。它在统一的规范化 schema 之上集成了 BM25 全文检索、稠密向量检索与 RRF 融合的混合语义搜索，并提供知识图谱、MCP 服务器（44 个 Agent 工具）、多模态数据摄取（图像视觉、音频转写与说话人分离、视频场景分析、3D 模型渲染、邮件与表格解析等 13 类适配器）、131 种文档类型自动识别，以及 Ollama、OpenAI、OpenRouter、llama.cpp 多provider 推理切换。适用于知识管理、检索增强生成（RAG）、智能体记忆和团队文档等场景，支持从纯 CPU 到 GPU 的部署形态。
数据处理03
KUNDURUHIMANEESHREDDY/dataos · Graph-based data operating system. Universal object model, first-class relationship graph, and first-class provenance - every derived result traceable to its real source. AI is an operator over the graph, never an authority. 12 pluggable computation engines.
DataOS 是一个基于 Python 的数据平台，围绕通用对象模型、一等关系图谱和一等溯源三个理念构建，让每个派生结果都可追溯回真实来源。项目包含 12 个可插拔计算引擎（图谱分析、SQL/Python 计算、混合检索、数据剖析、质量校验、统一查询、溯源解释、治理、差异对比、目录、动作、使用统计），并提供 CLI、REST 后端与 Next.js 前端。README 指出库层较完整（约 180 个 Python 文件、约 670 个测试、653 个正确性测试通过），但 FastAPI 后端仍调用已不存在的旧 API，约 22/35 个端点返回 500；Prisma schema 未被任何代码使用。设计原则是“AI 是图谱上的算子，而非图谱的权威”，通过能力门控与必须提供证据的 grounding gate 来约束 AI 行为。
Agent 与自动化04
lukehalleran/ai-assistant-framework · Solo-built conversational AI framework: 168K LoC, 7,400+ tests, 5-tier memory system with cross-encoder reranking, FAISS-indexed Wikipedia (7.2M articles), 8-stage knowledge synthesis pipeline, and full RAG auditability via inline memory citations.
Daemon 是一个本地优先的个人 AI 智能体框架，围绕持久化多集合记忆、经过评测的 RAG 检索、知识图谱上下文、智能体工具调用和人工把关的自我改进构建。它把每次查询处理为包含上下文分析、意图分类、并行检索、门控、打分、提示组装、生成与状态更新的完整管线，而非简单的聊天机器人包装。项目包含 14 个 ChromaDB 集合的层级记忆、基于跨编码器重排的多阶段 RAG、NetworkX 知识图谱查询扩展、ReAct 工具循环、事实真伪与过时追踪，以及文献佐证的合成候选验证。
推理与部署05
Simonc44/aura-1b · Hybrid neuro-symbolic AI: Llama 3.2 1B + exact math + verified facts — instant CPU-native answers in 807 MB, no GPU. Sealed .aef distribution
Aura-1B 将语言生成、精确数学计算与事实记忆拆分成多个专用模块，而不是让单个小模型包办全部任务。系统以 Llama 3.2 1B Instruct（Q4_K_M，807 MB）为语言核心，配合安全的 AST 数学求值器、TF-IDF+逻辑回归路由器、遗传编程符号专家、DuckDuckGo 联网检索、事实图、PAL 计算、程序化思维（PoT）、逻辑求解器与轻量认知 Agent，在无 GPU 的机器上给出精确且可验证的答案。项目提供 .aef 密封分发格式（含 SHA-256 校验与可选 Ed25519 签名、AES-256-GCM 加密），并支持硬件自动调参。
Agent 与自动化06
askmy-stack/cortex · Organizational memory for AI agents captures decisions into a knowledge graph and serves them over MCP.
Cortex 声称是一套面向 AI 原生公司的组织记忆系统。它从 Slack、GitHub、Jira、Linear 等工具中捕获决策，抽取为结构化事件后存入以 Neo4j 为核心的知识图谱，并通过 MCP 服务器、REST API 与 Python SDK（cortex_query / cortex_inject / cortex_remember）在推理时向 Claude、Cursor 等 MCP 兼容 Agent 主动注入相关决策上下文，以减少 Agent 每次从零开始、产生幻觉或需要翻阅历史记录的情况。仓库还提供重要性评分、信任评分、矛盾检测、记忆衰减、RBAC 与 GDPR 删除等功能，并附带 React 仪表盘。README 说明 V1 尚未包含覆盖率评分、结果关联与会议连接器，另有说明文档。
Agent 与自动化07
aayoawoyemi/Ori-Mnemos · Local-first persistent agentic memory powered by Recursive Memory Harness (RMH). Open source must win.
Ori Mnemos 是面向 AI Agent 的开源持久化记忆基础设施，用 Recursive Memory Harness 把人类认知机制建模到知识图上：ACT-R 激活衰减、沿 wiki-link 边的扩散激活、基于检索模式的 Hebbian 共现、检索强化学习，以及带子问题分解的递归图遍历。数据以磁盘上的 Markdown 为真源，wiki-link 作为图边，Git 做版本控制，检索索引基于本地 SQLite，跨会话、跨客户端、跨机器保持记忆，无需数据库绑定或云依赖。项目以 CLI、MCP server 和 TypeScript 库三种形态暴露同一索引，recall 为统一入口；提供 Claude Code、Hermes、OpenCode、Cursor、Codex 等适配器。README 给出 ForgetEval、HotpotQA、LoCoMo、LongMemEval-S 等基准结果，并同时说明了这些评测的效度问题与自身弱项。
评测与安全08
phonghhd/EvoNet-AI-Core · Autonomous AI Security Agent leveraging LLMs, RAG, and Knowledge Graphs for automated CVE analysis and auto-patching.
EvoNet-Core 是一个自主 AI 安全代理项目，持续采集 CVE 数据、分析漏洞并生成防御性代码。它集成了四层 AI 路由故障转移（NVIDIA NIM、Groq、Cloudflare AI、本地 Ollama）、知识图谱与向量检索结合的 Graph RAG（Pinecone + Neo4j）、基于 PPO 的强化学习防御策略、MITRE ATT&CK 映射、EPSS 评分以及人工审批环节，并提供 FastAPI 后端、Web 仪表盘、CLI 工具和 Telegram 机器人接口。项目基于 Python 开发，采用 Apache-2.0 许可。
知识库与 RAG09
Parth942/solargraph-ai · Provide precise, traceable answers on photovoltaic materials using a grounded LLM agent with RDF/OWL knowledge graph and SPARQL queries.
solargraph-ai 是一个面向光伏材料的问答系统，通过 RDF/OWL 知识图谱与 SPARQL 查询为 LLM 智能体提供可溯源的事实依据，以给出精确、可追踪的回答。项目涉及 Flask、LLM、钙钛矿光伏材料与检索增强生成等技术方向，仓库 README 目前仅包含项目名称，具体安装与使用方式未说明。
知识库与 RAG10
inite-ai/inite-brain-service · Open-source bitemporal knowledge graph — long-term memory for AI agents. Hybrid retrieval, conflict-aware ingest, GDPR forget. REST + native MCP.
INITE Brain 是一个开源的双时序知识图谱记忆服务，为 AI Agent 提供跨会话的长期记忆。它把结构化事实、源对话与证据片段连成一张图，支持语义与词法混合检索、图检索和多跳检索；写入时做双时序（有效时间与知识时间）冲突解析，可标记 SUPERSEDED / COMPETING、保留撤回历史并支持带墓碑的管理员遗忘。项目通过 REST 与原生 MCP 对外提供能力，可对接 Claude Code、Cursor、VS Code 等客户端，并提供 Domain Packs 机制让引擎适配不同行业的词汇与状态生命周期（内置覆盖代码记忆及房地产、金融科技、医疗、法律、保险、HR 等示例包）。可自托管运行，也可接入其托管服务。