Colección de tutoriales y demostraciones en notebooks de Jupyter para crear aplicaciones de búsqueda de datos no estructurados e IA con la base de datos vectorial Milvus.
Este repositorio reúne notebooks prácticos y proyectos de demostración para Milvus, una base de datos vectorial de código abierto. Abarca la búsqueda por similitud de datos no estructurados, como imágenes, audio, texto, video y estructuras moleculares, además de escenarios de respuesta a preguntas y NLP.
Los tutoriales muestran patrones habituales, como la generación aumentada por recuperación (RAG), la búsqueda semántica, la búsqueda híbrida que combina embeddings densos y dispersos, la búsqueda de texto completo y los sistemas de recomendación. Algunos ejemplos muestran cómo se integra Milvus con frameworks como LangChain y LlamaIndex.
El contenido está organizado en notebooks ejecutables, para que los desarrolladores puedan seguir cada ejemplo paso a paso y adaptar el código a sus propios datos.
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Framework de IA todo en uno para Python, basado en una base de datos de embeddings, que ofrece búsqueda semántica, RAG, orquestación de LLM y flujos de trabajo con modelos de lenguaje.
Toolkit de recuperación de BAAI con modelos de embeddings y reranking BGE, además de herramientas de entrenamiento, evaluación y tutoriales para búsqueda y RAG.
Base de datos de embeddings de código abierto para aplicaciones de IA, que almacena documentos y vectores para habilitar búsquedas semánticas, híbridas y de texto completo.
Epsilla es una base de datos vectorial open source en C++ para búsquedas de similitud entre embeddings, con filtros de metadatos, búsqueda híbrida e integraciones de recuperación para LLM.
SDK oficial de TypeScript/Node.js para Pinecone, una base de datos administrada de búsqueda vectorial y de texto completo.
Una biblioteca ligera de Python para dividir texto en fragmentos para pipelines RAG, con varios segmentadores, refinadores e integraciones con bases de datos vectoriales.