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 dabei auf moderne Technologien wie LLMs und Graph-Datenbanken setzen.
flexible-graphrag (8/10)
Repository: stevereiner/flexible-graphrag
Bewertung: RAG-Kern 3/3 | Dokumente 2/2 | Selfhosting 2/2 | Innovation 2/2 | Reife 1/1 = 8/10
Was es macht: Dieses Projekt bietet eine flexible RAG-Pipeline, die verschiedene Graph- und Vektordatenbanken unterstützt. Es verarbeitet 13 Datenquellen, baut automatisch Wissensgraphen auf und bietet eine umfassende Integration von LLMs und Dokumentverarbeitungstools.
Warum relevant: Die Unterstützung vielfältiger Datenbanken und die Automatisierung von Wissensgraphen machen dieses Projekt besonders wertvoll für komplexe Anwendungen. Es ist vollständig selfhostbar und nutzt moderne Technologien wie Docker Compose.
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: Chunky ist ein Open-Source-Toolkit, das PDFs in Markdown konvertiert, Dokumente bereinigt, Chunks inspiziert und verschiedene Chunking-Strategien vergleicht. Es bereichert Metadaten für LLM-Anwendungen.
Warum relevant: Die umfassende Verarbeitung und Analyse von Dokumenten sowie die Unterstützung verschiedener Formate machen Chunky zu einem wertvollen Werkzeug für RAG-Pipelines. Es ist lokal betreibbar und bietet eine gute Dokumentation.
quarkus-docling (6/10)
Repository: quarkiverse/quarkus-docling
Bewertung: RAG-Kern 1/3 | Dokumente 2/2 | Selfhosting 1/2 | Innovation 1/2 | Reife 1/1 = 6/10
Was es macht: Docling vereinfacht die Verarbeitung von Dokumenten, indem es verschiedene Formate unterstützt und nahtlose Integrationen in den gen-AI-Ökosystem bereitstellt. Es ist als Quarkus-Erweiterung implementiert.
Warum relevant: Die Unterstützung vielfältiger Dokumentformate und die Integration in den gen-AI-Ökosystem machen Docling zu einem nützlichen Werkzeug. Es ist lokal betreibbar, obwohl es spezifisch für die Quarkus-Plattform entwickelt wurde.
Quelle: GitHub Search API