Aktuelle RAG-Systeme und Parser-Pipelines (GitHub)
In diesem Artikel stellen wir die neuesten Entwicklungen im Bereich RAG-Systeme und Parser-Pipelines vor. Diese Projekte bieten innovative Lösungen für die Verarbeitung und Analyse von Dokumenten, die lokal betrieben werden können und eine hohe Reife aufweisen.
flexible-graphrag (9/10)
Repository: stevereiner/flexible-graphrag
Bewertung: RAG-Kern 3/3 | Dokumente 2/2 | Selfhosting 2/2 | Innovation 2/2 | Reife 1/1 = 9/10
Was es macht: Ein umfassendes RAG-System, das 13 Datenquellen (9 auto-sync) unterstützt, automatisch Wissensgraphen baut, Ontologien erstellt und LLMs nutzt. Es bietet TypeScript, React, Vue und Angular Frontends sowie einen FastAPI REST-Backend und einen MCP-Server.
Warum relevant: Dieses Projekt ist besonders relevant, da es eine breite Palette von Datenquellen und Datenbanken unterstützt und lokal betrieben werden kann. Es ist innovativ durch die Automatisierung von Wissensgraphen und die Integration verschiedener Frontend-Technologien.
RustyRAG (8/10)
Repository: RustyRAG/RustyRAG
Bewertung: RAG-Kern 3/3 | Dokumente 1/2 | Selfhosting 2/2 | Innovation 2/2 | Reife 1/1 = 8/10
Was es macht: Ein RAG-API in Rust, die hybride Suche mit HNSW dichten Vektoren und BM25 spärlicher Abfrage unterstützt. Es nutzt Cerebras, Groq, Milvus und Jina AI für layoutbewusste Dokumentenextraktion und 94.5% Genauigkeit auf dem Open RAG Bench.
Warum relevant: RustyRAG ist eine leistungsstarke und innovative Lösung, die durch die Verwendung von Rust und die Integration verschiedener Technologien hervorsticht. Es ist lokal betreibbar und bietet hohe Genauigkeit in der Dokumentenverarbeitung.
chunky (7/10)
Repository: GiovanniPasq/chunky
Bewertung: RAG-Kern 2/3 | Dokumente 2/2 | Selfhosting 2/2 | Innovation 1/2 | Reife 1/1 = 7/10
Was es macht: Ein Open-Source-Toolkit für RAG-Chunking, das Markdown-Dokumente konvertiert, validiert und optimiert. Es unterstützt die Visualisierung und Optimierung von Chunking-Strategien für LLM-Anwendungen.
Warum relevant: Chunky ist ein nützliches Werkzeug für die Vorbereitung von Dokumenten für RAG-Systeme. Es ist lokal betreibbar und bietet praktische Funktionen zur Validierung und Optimierung von Dokumenten.
quarkus-docling (6/10)
Repository: quarkiverse/quarkus-docling
Bewertung: RAG-Kern 1/3 | Dokumente 2/2 | Selfhosting 2/2 | Innovation 1/2 | Reife 1/1 = 6/10
Was es macht: Docling vereinfacht die Verarbeitung von Dokumenten, unterstützt verschiedene Formate (inklusive PDF) und bietet nahtlose Integrationen in den gen-AI-Ökosystem.
Warum relevant: Quarkus-Docling ist besonders relevant für Entwickler, die Java und Quarkus verwenden. Es bietet eine robuste Lösung für die Verarbeitung von Dokumenten und ist lokal betreibbar.
Quelle: GitHub Search API