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 Funktionalität von Retrieval-Augmented-Generation (RAG) nutzen.
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: Ein umfassendes RAG-System, das 13 Datenquellen (9 automatisch synchronisiert), 15 Property Graphs, 4 RDF-Graphs und 10 Vektordatenbanken unterstützt. Es bietet automatische KG-Bildung, Ontologien, LLM-Integration, und verschiedene Frontends (TypeScript React, Vue, Angular) sowie einen FastAPI-REST-Backend und einen MCP-Server.
Warum relevant: Dieses Projekt ist hochgradig innovativ und bietet eine breite Palette von Funktionen, die es zu einer vielseitigen Lösung für komplexe RAG-Anwendungen machen. Es ist lokal betreibbar und unterstützt eine Vielzahl von Dokumentformaten.
RustyRAG (7/10)
Repository: RustyRAG/RustyRAG
Bewertung: RAG-Kern 3/3 | Dokumente 1/2 | Selfhosting 2/2 | Innovation 1/2 | Reife 1/1 = 7/10
Was es macht: Ein leistungsstarkes RAG-API-System in Rust, das Hybrid-Suche mit HNSW-dichten Vektoren und BM25-sparse Matching, Cross-Encoder-Reranking und layoutbewusste Dokumentextraktion via Docling unterstützt. Es erreicht 94.5% Genauigkeit auf dem Open RAG Bench und wird von Cerebras, Groq, Milvus und Jina AI unterstützt.
Warum relevant: RustyRAG ist eine robuste und performante Lösung, die lokal betrieben werden kann und eine hohe Genauigkeit bei der Dokumentverarbeitung bietet. Es ist besonders relevant für Anwendungen, die hohe Leistung und Skalierbarkeit erfordern.
chunky (6/10)
Repository: GiovanniPasq/chunky
Bewertung: RAG-Kern 2/3 | Dokumente 2/2 | Selfhosting 2/2 | Innovation 1/2 | Reife 1/1 = 6/10
Was es macht: Ein Open-Source-Toolkit für RAG-Chunking, das Markdown-Dokumente konvertiert, Dokumente validiert, Chunking-Strategien visualisiert und optimiert und die Ergebnisse für LLM-Anwendungen bereichert.
Warum relevant: Chunky ist ein nützliches Werkzeug für die Vorbereitung und Optimierung von Dokumenten für RAG-Anwendungen. Es unterstützt verschiedene Dokumentformate und ist lokal betreibbar, was es zu einer wertvollen Ergänzung für bestehende RAG-Systeme macht.
Quelle: GitHub Search API