Haystack
Quelloffenes Framework zum Bau produktionsreifer Such- und RAG-(Retrieval-Augmented-Generation-)Anwendungen mit LLMs.
Überblick
Haystack bietet zusammensetzbare Bausteine – Dokumentenabruf, Embedding, Ranking, Generierung – zum Bau LLM-gestützter Such- und Frage-Antwort-Pipelines, mit Konnektoren zu vielen Vektordatenbanken, Dokumentenspeichern und Modellanbietern. Es ist um explizite, inspizierbare Pipelines statt einer einzigen Blackbox-Abstraktion herum konzipiert.
Haystack eignet sich für Teams, die speziell Retrieval-Augmented-Generation- oder Enterprise-Search-Anwendungen bauen – eine fokussiertere Alternative zu LangChains (ebenfalls in diesem Katalog) breiterem, allgemeinem LLM-Anwendungsframework.
- Kategorien
- KI & Machine Learning
- Schlagwörter
- ragllm-frameworksearchquestion-answering
- Sprachen
- Python
- Lizenz
- Apache-2.0
Ähnliche Projekte
LlamaIndex
MITDaten-Framework zum Verbinden großer Sprachmodelle mit deinen eigenen Daten – Dokumenten, Datenbanken, APIs – für Retrieval-Augmented-Anwendungen.
- KI & Machine Learning
Docling
MITDokumentenparsing-Bibliothek, die PDFs, Word-Dokumente und andere Formate in saubere, strukturierte Daten für LLM- und RAG-Pipelines umwandelt.
- KI & Machine Learning
Instructor
MITBibliothek, um zuverlässige, strukturierte Datenausgaben von LLMs mittels Function-Calling-APIs und Pydantic-Modellen zur Validierung zu erhalten.
- KI & Machine Learning
LangChain
MITFramework zur Entwicklung von Anwendungen auf Basis großer Sprachmodelle, Agenten und Retrieval-Augmented Generation (RAG).
- KI & Machine Learning
Einen Fehler entdeckt? Änderung auf GitHub vorschlagen.