AI 资源库 · 已整理 90 项
查看与RAG相关的 AI 资讯、工具、Skill、工作流和开源项目。
PavanMudigonda/zero-to-ai · Free AI/ML course with 950+ Jupyter notebooks — Python, deep learning, LLMs, RAG, agents, prompt engineering, fine-tuning, MLOps
Zero to AI 是一个免费开源的 AI 与机器学习课程，提供 950 多个 Jupyter Notebook，覆盖 Python 与数据科学、机器学习数学、分词与嵌入、深度学习、LLM 与 RAG、AI Agent、提示与上下文工程、微调、MLOps、模型评测与安全等主题，并按学习路径组织为渐进式阶段，适合从零开始系统学习 AI/ML。
sjsu-masters-projects/medi-agent · Patient app and clinician dashboard over a FastAPI backend, where LangGraph agents triage incoming chat, pull structured data out of uploaded medical documents, and answer medication questions from retrieved FDA label text.
MediAgent 是一个双门户医疗平台，包含患者端 PWA 与临床医生端 PWA，后端基于 FastAPI，并使用 LangGraph/ADK 智能体对聊天进行分流、从上传的医疗文档中提取结构化信息，并基于检索到的 FDA 药品说明书文本回答用药问题。功能覆盖文档上传与 OCR、带引用的信息抽取、患者助手（文本与语音，支持 en-US 与 es-MX，引用 MedlinePlus、DailyMed、RxNorm）、临床医生审核的护理计划、预约与双向消息、通知中心、SMART on FHIR 沙盒导入以及临床医生仪表盘与 Naranjo ADR 审核。
framerslab/agentos · TypeScript AI agent framework: cognitive memory, runtime tool forging, multi-agent orchestration, 11 LLM providers.
AgentOS 是一个 Apache-2.0 许可的 TypeScript 开源 AI 智能体框架，核心在于让智能体具备持久化的认知记忆、运行时自主锻造工具的能力，并能支撑长时间运行的会话。它提供可选的 HEXACO 人格配置、6 种多智能体编排策略、guradrails 与语音管线，并通过统一 dispatch 接口对接 13 个 LLM 提供商（含 2 个本地 CLI）。框架内置基于神经科学机制的认知记忆（如艾宾浩斯衰减、提取诱发遗忘、重固化等 8 种机制），RAG 管线支持 7 种向量后端与 4 种检索策略，同时宣称在 LongMemEval-S 上达到 85.6%、LongMemEval-M 上达到 70.2% 的可复现成绩。
aachtenberg/cfoperator · AI-powered SRE agent for homelab infrastructure monitoring, OODA sweeps, RAG memory, and remediation workflows
CFOperator 是一个自托管 AI SRE 智能体，用于监控 homelab 基础设施并按 alert → triage → investigate → propose a fix → open a GitOps PR → verify after merge 的流程处理告警。它通过本地 LLM 对 Alertmanager 告警分级，使用工具循环查询 Prometheus、Loki、Kubernetes 和 Docker，并以 pgvector 知识库检索历史调查记录，最终生成针对 manifest 仓库的具体 diff 并开 PR，但不直接改动运行中的集群。它还每 30 分钟执行一次主动巡检，并可通过聊天、Slack 或 MCP 主机进行问答。
hl7321/aiops-agent-reproduction · 信息采集装置智能运维 Agent 系统：用 OpenSpec 规格驱动，从告警接入到诊断报告的完整链路。
该项目把“告警接入 → 拉取日志取证 → 输出诊断报告”的运维流程用 Agent 方式重新实现，涵盖认证与数据隔离、SSE 流式聊天、Milvus 知识库与 BM25L 加向量双路召回、LangGraph 编排的 Plan-Execute-Replan 智能诊断、以及官方腾讯云 CLS MCP 工具连接。项目采用 OpenSpec 规格驱动开发，提供 10 套 Java 电商故障 fixtures（日志、告警、SOP）用于完整重放演示诊断链路。示例日志、告警和知识库文档均为构造的演示数据。
HyxiaoGe/fusion · 面向多模型与 Agent 工作流的 AI 聊天产品，采用 Next.js + FastAPI monorepo 架构。
Fusion 是一个面向任务执行的 AI 聊天产品，让 AI 从回答问题走向完成任务：根据用户意图按需选择模型能力与工具，在一次对话中完成搜索、阅读、规划和结构化执行，并分层呈现回答依据与 Agent 执行轨迹。项目采用 Next.js + FastAPI monorepo 架构，后端包含能力路由、Agent runtime、工具、文件与知识库模块，前端提供流式会话、回答依据与轨迹界面；模型目录由 LiteLLM 统一提供，另含管理员侧模型状态、MCP 服务、使用量与脱敏审计等治理能力。
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。
AlexsandroSunaga/Inkwell · RAG knowledge platform: FastAPI, OpenAI embeddings, Next.js console, cited chat.
Inkwell 是一个 RAG 知识平台，采用前后端分离架构：后端基于 FastAPI、SQLAlchemy，使用 OpenAI 的 text-embedding-3-small 做嵌入、gpt-4o-mini 做对话，提供文档摄取、检索与聊天 REST API；前端为 Next.js + React + Tailwind 控制台，包含营销页、概览仪表盘、知识库管理、带引用与证据检查器的检索助手、用量与内容缺口分析等功能。README 提供了本地运行、部署到 Vercel 与 Railway/Fly/Render 的方式，并附带不含 OpenAI 密钥也可运行的测试。
Mahaveersonii/finsight-crew · Multi-agent CrewAI system for autonomous financial research and algo paper-trading: local Ollama LLM, RAG over SEC 10-K filings, risk engine, Streamlit + Grafana (AAIBA PGDM-BDA group project)
FinSight Crew 是一个基于 CrewAI 的三智能体系统，面向美股与印度股市，从实时行情和公司 SEC 10-K 财报（RAG 检索）出发，进行 DCF 与相对估值分析，并生成带风险管理的模拟交易信号，按调度器持续运行。全部运行在免费层：Groq 大模型、本地 Ollama 嵌入、ChromaDB 向量库、PostgreSQL 状态存储、Streamlit 交易台与 Grafana 监控。项目为课程小组作业（AAIBA PGDM-BDA），仅做模拟交易，不构成投资建议。系统包含市场数据提取、财务分析、投资组合经理三类智能体，v2 新增财报变化分析师，并通过护栏、事实校验与确定性风险引擎约束模型输出，LLM 不负责算术。
OnlineTechSupportBiz/php-chatbot-assistant · A free chatbot you run on your own server. Upload your documents, train a bot on them, and paste one line of code into your website. Visitors ask questions, and the bot answers using your documents.
一个基于 PHP 与 PostgreSQL/pgvector 的自托管聊天机器人系统：上传 PDF、Word、TXT 或 Markdown 文档后训练机器人，通过一行 script 标签嵌入网站，让访客基于自有文档提问并获得回答。支持多聊天机器人、知识库检索、线索收集、快捷回复、使用限额与仪表盘统计，并可配置 OpenAI、OpenRouter 或自托管模型。
egnaro9/rag-eval-lab · RAG pipeline with no third-party dependencies and a deterministic eval harness that catches hallucinations (precision@k, recall@k, citation, faithfulness), proven in CI. Optional OpenAI + pgvector backends.
一个纯 Python 标准库实现的 RAG 参考项目，覆盖 ingest→chunk→embed→store→retrieve→answer 全流程，并配有确定性评测框架（precision@k、recall@k、citation、faithfulness）。其核心价值在于用闭式指标（非 LLM 评判）检测幻觉：预埋的幻觉样例会被 faithfulness 指标标记，并由 CI 持续验证。支持 bm25、hybrid、reranker 等可插拔检索策略，并在 SciFact 基准上给出实测对比；可选接入 OpenAI 嵌入/回答与 Postgres+pgvector 存储后端。
BedtimeNewsStudio/BedtimeNews-Agent · 睡前消息知识库 | 视频节目文稿 | 问答AI Agent | 马前卒工作室 | 睡前消息 | 参考信息 | 高见 | 讲点黑话 | 产经破壁机
该项目为睡前消息视频节目文稿构建知识库网站，既可向智能体提问，也能在站内浏览与阅读全部节目文稿。问答由基于 LangGraph 的智能 RAG 系统提供，包含自动查询路由、查询优化与语义搜索、基于 LLM 的文档相关性评分、检索文稿上下文与 Markdown 引用修复等功能，并支持自动化文档索引与基于不可变快照的增量更新和网页界面阅读器。系统使用 PostgreSQL + pgvector 存储向量，支持任意 OpenAI-compatible 的对话与嵌入端点，提供 Docker Compose 自托管与蓝绿零停机升级方案。
yeasy/ai_security_guide · 从原理到实践，全面掌握大语言模型安全攻防之道
这是一本系统讲解大语言模型与智能体安全的中文书籍，从攻击原理、防御机制到验证方法循序渐进。内容覆盖提示注入、RAG 安全、智能体攻击面、身份与架构防御，以及治理交付等主题。书中提供邮件助手、支付预算和 RAG 轨迹三个基于 Python 标准库与合成数据的配套实验，帮助读者在保留正常效用的前提下分别验证控制措施。阅读与实验入门均在 README 和在线 GitBook 中给出。
ho72/pet-i-explanation-data · 진단명·증상과 검색 근거로 설명형 SFT 데이터를 만드는 Python 파이프라인 | dry-run · 오류 분리 · 테스트/CI
该项目是一个 Python 数据生成流水线，用于为 PET-I 宠物犬眼病 VLM 诊断服务准备解释型训练数据。它读取 CSV 或 JSON 中给定的诊断名与症状，收集疾病相关的本地文档以及可选的 DuckDuckGo、Wikipedia 网络检索结果，并交给教师 LLM（GPT-4o）生成四个方面的说明文本，输出带有 service 说明文和 sft 对话记录的训练数据。项目本身不分析图像或判断疾病，image_path 仅用于生成输入标识。
这是 Spring 社区的一周动态汇总，作者在比利时安特卫普参加 Devoxx 大会，本次演讲主题是 Spring Security 和 Spring Boot 4.x。文章重点介绍了 Spring AI 负责人 Christian Tsolov 关于用 Spring AI 构建模块化 RAG 方案的文章，以及一个叫 OneLens 的开源项目——它能让你看到代码的“知识图谱”，也就是代码之间关联关系的可视化。此外还推荐了 Spring Office Hours 讨论、关于 JReleaser 的播客、Spring Boot 最佳实践视频和 Spring AI 教程等。对使用 Spring 做 Java 开发的读者来说，这是一份可以了解本周社区新内容和学习资源的清单。
谷歌去年推出轻量文本嵌入模型 EmbeddingGemma，开发者们下载了 2000 多万次，用它做本地搜索和增强生成（RAG）。这次发布 EmbeddingGemma 2，把文字、代码、图片、视频和音频统一到同一个嵌入空间，并沿用宽松的 Apache 2.0 商用许可。模型总参数 7.4 亿，量化后在 Pixel 11 Pro 上纯文本内存占用约 191MB，完整多模态约 567MB，远小于不少专门模型。它支持最长 8K token 上下文，可以做本地代码搜索、跨模态检索和离线问答，模型权重已可在 Hugging Face 和 Kaggle 下载，Gemini 企业代理平台稍后上架。
AbdoslamB/InkDoc · Turn any document into clean, AI-ready Markdown — locally on your machine. Desktop app for Windows, macOS & Linux powered by MarkItDown, Docling, GLM-OCR and Markit.
InkDoc 是一个跨平台桌面应用与本地 REST API，统一集成 Microsoft MarkItDown、Docling、自研 Markit 引擎与 GLM-OCR 模型，将文件、目录或 URL 转换为干净、适配 AI 的 Markdown。转换主要在本地执行，支持自动保存到 ~/Downloads 并使用防冲突命名；界面基于 Edge WebView2（Windows）或 WebKit（macOS/Linux），可同时以本地 Web 工作台形式访问。
Elastic 的 Susan Chang 讲述了他们公司如何把 AI 智能体（agent）的测试评估从零散、各自为政的做法，改造成一套统一、可用于生产环境的评估框架。原来的问题是：不同团队各测各的，方法随意，出了问题难以及时发现。她的解决思路包括：把“让大模型当裁判”和“写死规则判断”两种评估方式结合起来；把数据科学家常用的 Python 评估代码和生产环境用的 TypeScript 代码打通；再配合深度追踪，在复杂的 RAG（检索增强生成）和安全场景中抓出性能退步，同时不丢失业务上下文。对读者的用处是：如果你的团队也在做 AI 智能体产品，这套经验能帮你建立更靠谱、更可复用的评估流程。
提供的材料未提及具体可用工具。
alizahidraja/isnad · Grade every agent, scraper and model in a claim's chain — provenance, trust scoring and audit evidence for LLM pipelines
ISNAD 是一个 Python 开源库，借鉴圣训传述学（isnād–rijāl）框架，为 RAG 和多智能体系统提供 LLM 溯源能力。它不只评估结论，还对每个处理声明的“传述者”（scraper、agent、model）打信任分级，按最弱环节（weakest-link）传播判断，并结合内容批评与决策矩阵，把声明路由为采用、复核或隔离。每次判定都会生成带 SHA-256 哈希、分离签名和 Merkle 日志的防篡改审计记录，映射到 EU AI Act、ISO/IEC 42001、NIST AI RMF 和 SDAIA 等合规框架。项目提供 Python 包、JS/TS 验证器和 LangChain 回调集成。
alexvervloet/ai-engineering-deep-dive · A from-scratch, build-it-yourself course series for AI engineering. 17 hands-on repos across the API call, RAG, evals, agents, injection, and production. Offline-first, provider-agnostic, no frameworks.
这是一套从零开始、动手构建的 AI 工程课程系列，包含 17（README 中亦称 25）个独立仓库级深潜教程，覆盖 API 调用、提示工程、RAG、评测、Agent、提示注入与防护、生产化等主题。每个概念对应可运行的小型 Python 脚本，多数首个可运行示例无需 API Key，强调离线优先、供应商无关、不依赖框架，仅需基础 Python。另含 bonus 深潜（Agent Harness、上下文工程、AI 数据工程、GenAI 安全、多模态、实时语音、ML 基础、微调、MCP、本地模型、推理平台、可观测性、架构、测试与交付、结构化数据、专业工具）以及 TypeScript 配套版本。