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 breite Palette von Formaten unterstützen.
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 verschiedene Datenquellen unterstützt, darunter 15 Property Graph-DBs, 4 RDF-DBs und 10 Vector-DBs. Es bietet automatische Synchronisierung, automatische Erstellung von Wissensgraphen, Ontologien, LLM-Integration und mehr.
Warum relevant: Dieses Projekt ist besonders relevant, da es eine breite Palette von Datenquellen und Datenbanken unterstützt und lokal betrieben werden kann. Es bietet eine hohe Anpassungsfähigkeit und ist gut dokumentiert.
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 hochperformantes RAG-API-System in Rust, das Hybrid-Suche mit HNSW-Vektoren und BM25-sparse-Matching unterstützt. Es bietet layout-aware Document Extraction via Docling und 94.5% Genauigkeit auf dem Open RAG Bench.
Warum relevant: RustyRAG ist eine innovative Lösung, die dank der Sprache Rust eine hohe Performance bietet. Es ist lokal betreibbar und gut dokumentiert, was es zu einer attraktiven Option für Entwickler macht.
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 eine gute Dokumentation, was es für Entwickler leicht zugänglich macht.
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: Ein Quarkus-Extension, das die Verarbeitung und Parsen von Dokumenten vereinfacht, insbesondere für PDFs. Es bietet nahtlose Integrationen mit dem gen AI-Ökosystem.
Warum relevant: Quarkus-Docling ist eine nützliche Erweiterung für Java-Entwickler, die Dokumentverarbeitung in ihre Anwendungen integrieren möchten. Es ist lokal betreibbar und gut dokumentiert.
Quelle: GitHub Search API