LibreAI ENESPTDEFRRUJA
← Todas as categorias// rag

As melhores ferramentas de RAG e conhecimento de código aberto

Processos de RAG, bases de conhecimento e chat com os seus documentos.

99 ferramentas · 💎 43 joias escondidas

// comece aqui

Comece aqui

Os projetos com mais estrelas desta categoria, mais uma seleção rotativa de outros três do restante da lista: renovada para que todo o catálogo tenha sua vez na vitrine.

RAG e conhecimento

Dify

Build Agentic workflows, RAG pipelines, with rich AI model and tool support on one collaborative workspace. Deploy on cloud, VPC, or…

★ 157,8 mil estrelasCustom (check repo)
Ver o guia →
RAG e conhecimento

ragflow

RAGFlow is a leading open-source Retrieval-Augmented Generation (RAG) engine that fuses cutting-edge RAG with Agent capabilities to create a superior context…

★ 91,6 mil estrelasApache-2.0
Ver o guia →
RAG e conhecimento

PaddleOCR

Lightweight OCR toolkit turning PDFs and images into structured, LLM-ready data in 100+ languages

★ 90,8 mil estrelasApache-2.0
Ver o guia →
RAG e conhecimento

ragent

Ragent (容纳智能体): a production-grade Java Agentic RAG platform with hybrid retrieval and an admin console

★ 4,2 mil estrelasApache-2.0
Ver o guia →
RAG e conhecimento

nano-graphrag

nano-graphrag: a small, hackable GraphRAG implementation in about 1,100 lines — no Microsoft GraphRAG bulk

★ 4,0 mil estrelasMIT
Ver o guia →
RAG e conhecimento

pipeshub-ai

The open-source, permission-aware context layer that lets agents search all your company knowledge.

★ 3,8 mil estrelasApache-2.0
Ver o guia →

Mais categorias: VídeoImagemÁudioMúsica com IAIA 3DRecortesLLM localChat com IAAgentes de IAAutomaçãoProdutividadeFerramentas de desenvolvimentoDesignEscritaAutohospedadoInstalação fácil

// sobre esta categoria

As melhores ferramentas de RAG e conhecimento de código aberto

RAG — geração aumentada por recuperação — é como você conversa com os seus próprios documentos em vez de com a memória do modelo. Estas ferramentas ingerem PDFs, anotações, bases de código e sites, indexam tudo e respondem a perguntas com citações do material de origem.

A categoria inclui aplicativos completos de chat com documentos, frameworks para construir sua própria pilha de recuperação e servidores de conhecimento feitos para ficar atrás de outras ferramentas. A qualidade mora nas etapas pouco glamourosas: como os documentos são divididos, incorporados e reordenados antes de o modelo sequer vê-los.

Como escolher

  • O seu acervo decide a ferramenta: uma pasta de PDFs pede um aplicativo de documentos; um produto pede um framework e um embedder sob seu controle.
  • Exija citações: uma ferramenta de RAG que não consegue mostrar suas fontes vai acabar inventando uma.
  • Modelos de embedding locais mantêm acervos privados privados; verifique se o processo os suporta.
// perguntas frequentes

Perguntas frequentes

Quais ferramentas de RAG e conhecimento de código aberto estão incluídas aqui?

Esta página reúne 99 projetos de RAG e conhecimento de código aberto selecionados pelo LibreAI: Processos de RAG, bases de conhecimento e chat com os seus documentos. Cada um é verificado no GitHub e tem sua própria página de guia com uma visão geral, passos de instalação, casos de uso e perguntas frequentes.

Estas ferramentas de RAG e conhecimento são gratuitas?

Sim. Toda ferramenta aqui é de código aberto e gratuita para baixar e usar sob sua própria licença: a maioria usa MIT, Apache-2.0 ou GPL-3.0, e qualquer licença personalizada de código disponível é sinalizada na página da ferramenta. Verifique o arquivo LICENSE antes do uso comercial.

O LibreAI hospeda estas ferramentas?

Não. O LibreAI publica apenas guias; nenhum download é servido a partir deste site. Toda instalação vem do repositório oficial do projeto no GitHub.

Como instalo uma ferramenta de RAG e conhecimento a partir desta página?

Abra o guia da ferramenta e siga a seção «Execute você mesmo» dele: os passos vêm da documentação do próprio projeto. Ou use o botão «Ver no GitHub» para ir direto ao repositório oficial.

Como estas ferramentas foram escolhidas?

Cada projeto é verificado em tempo real pela API do GitHub — estrelas, forks, licença e atividade recente — e só é listado se tiver impulso real e uma comunidade ativa.

Que tipos de documentos as ferramentas de RAG conseguem usar?

Normalmente PDFs, documentos de escritório, arquivos Markdown e de texto, páginas web e, em ferramentas voltadas a desenvolvedores, bases de código inteiras. Digitalizações bagunçadas e tabelas complexas são o ponto fraco em todo lugar: documentos de origem limpos dão respostas visivelmente melhores.

Por que minha ferramenta de RAG às vezes responde a partir da passagem errada?

A recuperação, e não o modelo de linguagem, costuma ser a culpada: a divisão em trechos partiu a resposta em pedaços, ou o embedding combinou com uma passagem parecida, mas errada. Os frameworks desta categoria expõem esses botões; as ferramentas em formato de aplicativo os escondem, mas podem vir bem ajustados por padrão.