知识库与 RAG01
MODSetter/SurfSense · Air-gapped, privacy-focused, open-source NotebookLM alternative. AI agent that researches, transforms, and edits your documents. Join our Discord: https://discord.gg/ejRNvftDp9
SurfSense 是一款开源、隐私优先的桌面应用,定位为 NotebookLM 的离线替代方案。它像 AI 助手一样在你本机索引、检索、转换和编辑文档,索引保存在本地磁盘,可选择本地或远程模型,无需账户。支持 PDF、Word、Excel、PowerPoint、CSV、图片、Markdown、HTML 等格式的带引用研究问答、内容生成与编辑、格式转换,并可生成播客、思维导图、闪卡和测验。所有编辑、转换和 PDF 操作都会生成新文件,不改动原文件。
Agent 与自动化02
oracle-devrel/oracle-ai-developer-hub · Technical resources for AI developers to build applications, agents, and systems using Oracle AI Database and OCI services
该仓库由 Oracle 开发者关系团队维护,汇集了使用 Oracle AI Database 与 OCI 服务构建 AI 应用、智能体和系统的技术资源,主要分为 Apps(可运行的端到端参考实现,如 agentic RAG、金融 AI 智能体、生成式 UI 数据问答、团队知识库、供应链需求规划智能体等)、Notebooks(Jupyter 交互教程,覆盖多智能体 RAG、智能体记忆架构、推理策略、向量检索与多云端示例)以及 Guides(智能体架构、推理策略和记忆系统的文档与演讲材料)。内容主要围绕向量搜索、RAG、智能体记忆、自然语言查数据库(Select AI)与多智能体编排等方向,供开发者参考架构模式与集成方式。仓库未在摘录中说明许可证、部署要求和运行成本。
评测与安全03
Yacine-ai-tech/RAGeval · Drop-in LLMOps evaluation & observability library — multi-judge consensus with disagreement alarm, 5 composite metric scorers, bootstrap confidence intervals, and OpenTelemetry tracing. PyPI: omnismart-rageval.
RAGeval 是一个自托管的 LLMOps 评测与可观测性库,面向 RAG 管线。它提供多评委共识评分与分歧告警、检索相关性、忠实度、成本与时延等指标,并支持 FastAPI、LangChain 等框架的装饰器方式接入。项目包含仪表盘用于查看实时共识遥测、查询日志、成本报告和告警。
Agent 与自动化04
marthiram4878/norma-ai-agent-platform · Build agentic workflows with long-term memory and RAG to convert data into action.
Norma 是一个可在 Windows 本地运行的 AI Agent 平台,用于把用户保存的文档、笔记和目标连接成自动化数字工作流。它通过 RAG 从本地文件中检索信息、以长期记忆记录偏好,并由 Agentic 工作流把大目标拆解为可执行步骤并自动完成。适用于文档摘要、清单生成等知识驱动任务的自动化。
Agent 与自动化05
yanivy9h/ai-shipr · Product management OS for Claude Code: agents, skills, workflows, and memory across the full Agile loop.
AI-SHIPR 是一个基于文件夹结构的产品管理操作系统,为使用 Claude Code 的产品经理提供跨会话的持久记忆与结构化上下文。它把产品工作组织成策略、假设、举措、验证、关系与学习等模块,让 Claude 在每次会话中读取并更新这些内容,从而在完整敏捷闭环中充当产品思考伙伴。系统内置约 73 项能力,包括思考类 agents、单任务 skills、多步骤 workflows 和场景化 playbooks,并通过 Connections.md 说明与代码、工单、文档、分析、用户研究和协作工具等六类工具的连接方式。
知识库与 RAG06
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 RAG07
aru-labs/lossless-memory · Lossless long-term memory for a personal AI: never summarize, keep every line, put a timestamp on everything.
lossless-memory 是一个本地、基于文件的长期记忆层,面向单用户与单个 AI 助手。它把每轮对话按固定七字段(时间戳、说话者、角色、类型、原文、模型、会话)完整追加到每日 JSONL 日志中,不做任何摘要,并以此为唯一事实来源。系统以时间为主轴构建「Temporal Backbone」:SQLite FTS5 精确索引带时间戳并存,查询入口先解析时间短语(相对时间目前仅日语,绝对日期支持任意语言)把检索范围限定到时间段,再在范围内排序,结果按时间顺序返回未摘要的原始文本;仅在范围内精确匹配不足时才回退到基于 sqlite-vec 的语义检索,并在输出中如实标注。另有 LLL「当前位置」索引记录话题切换,可由人工标注优先级,每轮注入模型上下文,使长对话在上下文窗口压缩或跨会话后仍能接续。项目还包含定时增量重建索引的守护进程,并公开了实际运行中的失败数据与经验文档。许可为 MIT。
评测与安全08
kousalya-pm/ai-foundation-models-lab · Hands-on experiments across time-series and security foundation models: zero-shot forecasting, evaluation, RAG, and LoRA fine-tuning — from a product management perspective.
该项目是一组以 Jupyter Notebook 形式记录的动手实验,从产品管理视角探索基础模型的生命周期:使用 Cisco CTSM 进行单变量零样本时序预测并测试噪声、缺失数据和异常下的鲁棒性;在本地以 Q4_K_M GGUF 量化运行 Cisco Foundation-Sec-1.1-8B-Instruct 安全领域模型,构建评测数据集并从分类准确率、MITRE 技术映射、证据完备性、延迟等多维度评分;用 TF-IDF 与语义向量检索对比实现安全策略 RAG,诊断检索、生成与拒答等失败模式;并在 Qwen2.5-0.5B 与 Foundation-Sec 上对比 LoRA 微调效果。仓库保留了每项实验的原始数字、失败模式与局限性说明,并给出面向产品团队的经验总结和平台能力建议。
Agent 与工作流09
V7 用 GPT-5.6 把公司里散落各处的文件整理成 AI 智能体能用的上下文,让它们完成复杂任务时还能标出信息来源。原来这些文件零散、格式乱,智能体难以直接利用。V7 的办法是把文件转成结构化、带出处的上下文,相当于给 AI 装了一本可检索的“公司记忆”。对读者的用处是:以后 AI 干活时能引用具体文件,结果更容易核查。目前只有简短介绍,具体怎么用、是否开放、价格都没说明。
文中可用工具
- GPT-5.6为 V7 提供理解与生成能力的底层模型
- V7把公司文件整理成 AI 智能体可用的带来源上下文
知识库与 RAG10
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。
知识库与 RAG11
covan-ai/covan · A shared AI agent for your team. Everyone trains it together; everyone talks to it privately. Self-hostable, AGPL-3.0.
Covan 是一个可为团队自托管的共享 AI Agent。团队共同上传流程文档、合同、研究资料等知识,形成统一的 Agent 记忆;每位成员在各自隔离的私有会话中向该 Agent 提问,互不混用。它提供基于 pgvector 的文档检索与引用溯源、知识包分组、定时 Routines、协同会话与工作区导出,并支持按 Agent 选择 OpenAI 或 Anthropic 模型,也可通过自定 endpoint 接入其他兼容服务。
知识库与 RAG12
coldiceh/ocg-ruling-assistant · Yu-Gi-Oh! OCG AI ruling and judge assistant|游戏王AI裁定与规则问答|遊戯王AI裁定・ルール質問 — official Q&A retrieval, RAG, multilingual.
该项目是一个面向游戏王 OCG 玩家的 AI 裁定与规则问答助手,结合卡片文本、公开规则资料和官方 Q&A 检索生成裁定分析,展示结论、分析理由与引用来源,并支持多语言与选择裁定模型及思考档位。它非 KONAMI 官方项目,结果可能存在错误,不替代正式比赛的现场裁判。