标签:检索增强生成
包含标签「检索增强生成」的全部资源
共 165 个结果
XML增强AI交互系统
数字人文交互式AI系统,通过检索增强生成(RAG)技术为本地化AI模型提供XML资源查询能力,支持XPath/XQuery/XSLT等XML感知工具。
企业文档检索代理
GraphRAG MCP是一个基于知识图谱的检索增强生成框架,通过集中化企业文档检索能力,提升信息检索效率并支持智能代理集成。
目录转MCP知识服务器
dir2mcp是一个将本地目录部署为MCP知识服务器的工具,支持索引、检索和引用功能,优化利用Mistral模型进行嵌入、OCR、转录和生成。
检索增强生成聊天机器人系统
一个基于Micronaut、LangChain4j和Ollama的检索增强生成聊天机器人系统,支持PDF文档索引、实时WebSocket聊天和MCP兼容工具,用于增强AI能力。
A2A RAG代理系统
基于IBM watsonx Orchestrate的A2A RAG代理系统,实现生产级检索增强生成功能,集成Watsonx.ai和Milvus向量数据库。
检索增强生成服务器
一个提供检索增强生成(RAG)能力的模型上下文协议(MCP)服务器,用于文档查询,使AI助手能够智能查询文档数据库并检索带来源信息的上下文答案。
PDF检索增强生成系统
一个基于MCP服务器和Chroma向量数据库的PDF检索增强生成系统,允许Claude查询大型PDF文件中的信息。
多层级检索增强生成引擎
VelociRAG是一个基于ONNX Runtime的四层级检索增强生成引擎,结合向量相似性、BM25关键词匹配、知识图谱遍历和元数据过滤,适用于AI代理和本地化搜索场景。
音乐专辑评论RAG系统
一个专注于音乐专辑评论的检索增强生成系统,集成了模型上下文协议服务器,通过服务器发送事件实现智能路由和反馈机制。
RAG服务器
MCP RAG Server是一款基于Model Context Protocol (MCP)的检索增强生成(RAG)Python服务器,支持多种文档格式的索引化和向量搜索功能。
检索增强生成服务器
Agentset MCP是一个开源平台,用于快速高效地构建基于文档的智能应用程序。
检索增强生成服务
一个实现检索增强生成(RAG)功能的模型上下文协议(MCP)服务器,能够处理Markdown文档、创建向量嵌入,并通过MCP工具提供语义搜索能力。
检索增强生成堆栈
一个完整的检索增强生成堆栈,包含Open WebUI前端、rag-proxy、rag-api(FastAPI)、Ollama和Qdrant,用于自动注入RAG上下文并进行CSV/PDF文件处理、向量搜索和生成。
自动检索增强生成服务器
Cloudflare提供的自动检索增强生成(AutoRAG)服务器,支持文档搜索和AI增强搜索功能,适用于开发者和企业用户。
RAG搜索微服务
一个基于Docker的RAG(检索增强生成)微服务群,提供网页爬取、Elasticsearch索引和搜索功能,支持通过Claude Desktop或浏览器进行交互。
文档检索增强生成工具
Aurora Grimoire是一个基于RAG(检索增强生成)技术的CLI工具和MCP服务器,用于处理和搜索Aurora OS的文档,支持离线操作和多种检索方式。
本地RAG检索增强生成系统
一个集成了OpenAI/Gemini嵌入、混合搜索(语义+BM25)、Cohere重排序、HyDE查询增强和MCP服务器集成的本地RAG系统,适用于多项目隔离的文档检索与增强生成。
检索增强生成服务器
一个提供多租户支持的检索增强生成(RAG)能力的模型上下文协议(MCP)服务器,支持文档上传、向量搜索和多种文件格式。
检索增强生成服务器
RAG MCP Server是一个用于检索增强生成(RAG)操作的模型上下文协议服务器,提供从文档集合构建和查询基于向量的知识库的工具,实现语义搜索和文档检索功能。
检索增强生成服务器
一个基于Contextual AI的模型上下文协议(MCP)服务器,提供检索增强生成(RAG)能力,支持与多种MCP客户端集成,适用于技术文档查询和智能检索场景。
AI代理增强生成系统
结合模型上下文协议、检索增强生成和AI代理的生产级AI系统,部署在Google云平台上,适用于企业级AI应用。
RAG与MCP搜索引擎
一个结合LangChain、模型上下文协议(MCP)、检索增强生成(RAG)和Ollama的强大搜索引擎,能够搜索网络、检索信息并提供相关答案。
AI代理连接协议
MCP是一种允许AI模型安全连接外部工具、数据库、API和应用程序并进行交互的标准协议,结合RAG检索增强生成技术和AI代理自动决策能力,适用于文档处理、知识问答等多种场景。
本地RAG系统
DevRag是一个专为Claude Code设计的轻量级检索增强生成(RAG)系统,通过向量搜索减少文档阅读时的令牌消耗,提高搜索效率。
