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 die volle Kontrolle über Ihre Daten gewährleisten.
flexible-graphrag (9/10)
Repository: stevereiner/flexible-graphrag
Bewertung: RAG-Kern 3/3 | Dokumente 2/2 | Selfhosting 2/2 | Innovation 2/2 | Reife 0/1 = 9/10
Was es macht: Flexible-GraphRAG ist ein umfassendes System, das Python, LlamaIndex, LangChain und verschiedene Graph- und Vektordatenbanken (wie Alfresco, Nuxeo, Neo4j) kombiniert. Es unterstützt 14 Datenquellen, automatisches Synchronisieren, automatische Erstellung von Wissensgraphen, Ontologien, LLMs, Docling, LlamaParse, LiteParse und mehr. Es bietet auch REST-APIs und Frontends für TypeScript, React, Vue und Angular.
Warum relevant: Dieses Projekt ist sehr innovativ und bietet eine breite Palette von Funktionen, die es ideal für komplexe RAG-Anwendungen machen. Es ist lokal betreibbar und unterstützt verschiedene Datenquellen und Datenbanken, was es zu einer vielseitigen Lösung macht.
self-hosted-ai-stack (8/10)
Repository: hwdsl2/self-hosted-ai-stack
Bewertung: RAG-Kern 2/3 | Dokumente 2/2 | Selfhosting 2/2 | Innovation 1/2 | Reife 1/1 = 8/10
Was es macht: Dieses Projekt ermöglicht es, eine vollständige, lokal betriebene AI-Stack mit Docker Compose zu bereitstellen. Es umfasst Ollama, LiteLLM, AnythingLLM, Whisper, WhisperLive, Kokoro, Embeddings, Docling und MCP Gateway. Es ist auf Privatsphäre und Leichtigkeit ausgelegt und unterstützt NVIDIA CUDA-Beschleunigung.
Warum relevant: Die Kombination verschiedener AI-Tools in einer lokal betriebenen Umgebung macht dieses Projekt besonders relevant. Es bietet eine umfassende Lösung für die Verarbeitung und Analyse von Dokumenten und Sprache, die vollständig unter Ihrer Kontrolle bleibt.
docker-docling (7/10)
Repository: hwdsl2/docker-docling
Bewertung: RAG-Kern 2/3 | Dokumente 2/2 | Selfhosting 2/2 | Innovation 1/2 | Reife 0/1 = 7/10
Was es macht: Docker-Image für einen selbstgehosteten Docling-Dokumentenparsingserver. Es konvertiert PDF, DOCX, PPTX, HTML und mehr in Markdown/JSON. Es unterstützt synchrone und asynchrone Konvertierung, Chunking für RAG, NVIDIA GPU-Beschleunigung, optionale Web-UI, Offline-Modus und persistente Modell-Cache.
Warum relevant: Docker-docling ist eine robuste Lösung für die lokale Verarbeitung und Analyse von Dokumenten. Es bietet eine breite Palette von Funktionen und ist leicht zu betreiben, was es zu einer praktischen Wahl für Selfhosting-Szenarien macht.
quarkus-docling (6/10)
Repository: quarkiverse/quarkus-docling
Bewertung: RAG-Kern 1/3 | Dokumente 2/2 | Selfhosting 1/2 | Innovation 1/2 | Reife 0/1 = 6/10
Was es macht: Quarkus-Docling vereinfacht die Verarbeitung von Dokumenten und unterstützt verschiedene Formate, einschließlich fortgeschrittener PDF-Verarbeitung. Es bietet nahtlose Integrationen mit dem generativen AI-Ökosystem und ist als Quarkus-Erweiterung verfügbar.
Warum relevant: Dieses Projekt ist eine gute Wahl für Entwickler, die eine Java-basierte Lösung für die Dokumentenverarbeitung suchen. Es ist leicht zu integrieren und bietet robuste Funktionen für die Verarbeitung verschiedener Dokumentformate.
Quelle: GitHub Search API