Awesome GitHub RepositoriesKnowledge Graphs

Ruflo is an AI agent orchestration platform and workflow automation tool designed to decompose high-level goals into executable action plans. It functions as a manager for multi-agent swarms, organizing autonomous entities into collaborative topologies that utilize shared consensus to complete complex tasks. The framework distinguishes itself through a retrieval-augmented generation layer and knowledge graphs for reasoning over linked data. It incorporates a trajectory-based learning loop that analyzes previous execution paths to refine cognitive patterns and improve future reasoning accuracy

AgentMemory is a persistent knowledge store and memory server designed to provide AI coding agents with long-term memory. It functions as a knowledge graph engine and vector database store that saves and recalls project context, architectural decisions, and patterns across different sessions. The system distinguishes itself by using a tiered-memory consolidation pipeline that compresses raw observations into episodic, semantic, and procedural layers to optimize token usage. It employs a hybrid retrieval strategy combining keyword matching, vector embeddings, and graph traversal to surface rel

R2R is an agentic retrieval-augmented generation platform that uses reasoning agents to perform multi-step data fetching for context-aware answering. It functions as a multimodal vector database manager and knowledge graph engine designed to ground artificial intelligence responses in verified factual knowledge. The platform distinguishes itself by combining reasoning agents for complex research automation with a knowledge graph that maps entity relationships. This allows the system to perform structured data traversal alongside unstructured vector search to resolve complex questions from int

QASystemOnMedicalKG is a medical knowledge graph question answering system designed to retrieve disease-centered information from a structured data store. It functions as both a constructor for building medical knowledge graphs and a retrieval system that extracts answers regarding symptoms, causes, and treatments. The system employs a pipeline that converts unstructured medical web data into a graph database using dictionary-based entity segmentation. It utilizes query-based intent classification to parse natural language inputs and maps these queries to specific nodes and edges within the g

Org-roam is an Emacs-based note-taking system that builds a bidirectional network of plain-text notes, functioning as a personal knowledge base manager. It maintains both forward and backlink references in a SQLite database, automatically updated on file save, and uses persistent unique identifiers for notes instead of file paths to enable stable links across renames and moves. The system integrates directly with Emacs through custom interactive commands and hooks that access the database and buffer state, and it generates static graphs of note interconnections using Graphviz to reveal relati

This project is a self-hosted system for discovering, browsing, and receiving personalized recommendations from academic papers on arXiv. It combines an arXiv API client that downloads paper metadata and PDFs with a TF-IDF document similarity engine and an SVM-based recommendation system that trains a classifier per user based on their preferences. The system provides a web interface for browsing, searching, and filtering recent arXiv submissions, alongside personalized paper recommendations generated from individual user signals. It also includes a Twitter mention tracker that periodically p

Qodo Cover ist eine Engineering-Governance-Plattform und ein KI-gestützter Assistent für automatisierte Code-Reviews und Unit-Test-Generierung. Es nutzt einen Wissensgraphen auf Basis des abstrakten Syntaxbaums (AST), um Abhängigkeiten und architektonische Beziehungen abzubilden, wodurch Pull Requests analysiert und organisatorische Coding-Standards durchgesetzt werden können. Das System zeichnet sich durch eine Multi-Agenten-Analyse-Pipeline aus, die architektonische Schlussfolgerungen zieht und Fehler identifiziert, die über das unmittelbare Diff hinausgehen. Es verfügt über einen Model-Context-Protocol-Server, um Codebase-Intelligenz für externe Tools verfügbar zu machen, und kann Durchsetzungsregeln automatisch weiterentwickeln, indem es aus historischen Pull-Request-Entscheidungen lernt. Die Plattform bietet umfassende Funktionen für das Wissensmanagement der Codebase, einschließlich Deep-Research-Ausführung, semantischer Abfragen und System-Abhängigkeits-Mapping. Sie enthält zudem Werkzeuge zur iterativen Unit-Test-Generierung zur Erhöhung der Code-Abdeckung sowie automatisierte Remediation zur direkten Anwendung von Fixes auf Pull Requests. Bereitstellungsoptionen umfassen Multi-Tenant-SaaS, Single-Tenant oder vollständig On-Premises-Installationen.

KnowledgeGraphData is a collection of structured datasets and corpora designed to provide a foundational layer for cognitive intelligence and artificial intelligence systems. It primarily consists of large-scale Chinese knowledge graph datasets, including entity-relation data and NLP training sets used to drive semantic understanding and automated question answering. The project focuses on the construction and export of massive entity-attribute-value graphs, organizing knowledge into portable formats. It provides specialized domain partitioning to tailor information retrieval for professional

Huatuo-Llama-Med-Chinese ist ein medizinisches Large Language Model, das auf die Verarbeitung und Generierung natürlichsprachlicher Texte auf Chinesisch spezialisiert ist. Es handelt sich um ein instruction-tuned System, das darauf ausgelegt ist, professionelle Gesundheitsfragen durch die Nutzung einer dedizierten medizinischen Wissensdatenbank zu beantworten. Das Modell integriert strukturierte medizinische Literatur und Wissensgraphen, um klinische Genauigkeit während der Antwortgenerierung zu gewährleisten. Es verwendet Knowledge-Graph-Augmented-Inference, um strukturierte Entitätsbeziehungen mit den Ausgaben neuronaler Netze zu kombinieren. Das System wurde durch domänenspezifische Gewichtungsanpassung, sprachübergreifenden Modelltransfer und Supervised-Fine-Tuning-Pipelines entwickelt. Diese Prozesse gleichen allgemeine Sprachmuster mit professionellen klinischen Standards und spezialisiertem chinesischem medizinischem Fachjargon ab.

auto-dev ist ein KI-natives Software-Engineering-Tool und eine Multi-Agenten-Entwicklungsplattform, die darauf ausgelegt ist, den gesamten Softwareentwicklungslebenszyklus zu automatisieren. Es fungiert als autonomer Orchestrator, der KI-gesteuertes Coding, Testen und Infrastrukturkonfiguration durch deklarative Agentenketten verwaltet. Das Projekt basiert auf einem Kotlin-Multiplatform-KI-Framework, wodurch Agentenlogik in verschiedenen Umgebungen und auf unterschiedlichen Geräteschnittstellen ausgeführt werden kann. Die Plattform implementiert das Model Context Protocol, um Tools und Projektinformationen mit externen KI-Diensten auszutauschen. Sie zeichnet sich durch die Verwendung einer Retrieval-Augmented-Generation-Pipeline und baumbasiertem Code-Graphing aus, die abstrakte Syntaxbäume und Aufrufketten analysieren, um den Projektkontext zu komprimieren und Halluzinationen zu reduzieren. Eine interaktive Entwicklungsumgebung bietet Echtzeitsynchronisation von UML-Diagrammen, OpenAPI-Spezifikationen und Code-Diffs. Die Funktionsbereiche decken autonome Softwareentwicklung ab, einschließlich dynamischer Aufgabenplanung, iterativer testgetriebener Reparatur und Migration von Legacy-Code. Das System handhabt zudem Infrastructure-as-Code-Automatisierung für Docker- und CI/CD-Konfigurationen, KI-gestützte Code-Reviews sowie die Koordination geteilter KI-Personas und Prompt-Spezifikationen über Teams hinweg. Die Kernlogik ist in Kotlin Multiplatform implementiert, um eine konsistente plattformübergreifende Agentenbereitstellung sicherzustellen.

TypeDB ist eine stark typisierte Graphdatenbank und ein Knowledge-Graph-Managementsystem. Es dient als Multi-Modell-Datenspeicher, der relationale, Dokument- und Graphstrukturen in einer einzigen Umgebung vereint und sowohl als ACID-konforme Datenbank als auch als deklarative Abfrage-Engine fungiert. Das System zeichnet sich durch die Verwendung von n-ären Hypergraph-Modellen und polymorphen Typ-Hierarchien aus. Es verwendet ein stark typisiertes Schema, um strukturelle Regeln durchzusetzen und die Datenintegrität zu validieren, was typbasierte polymorphe Inferenz und rollenbasierte Interface-Polymorphie ermöglicht, um komplexe Beziehungen während der Abfrageausführung automatisch aufzulösen. Die Plattform deckt ein breites Spektrum an Funktionen ab, einschließlich der Berechnung rekursiver Beziehungen mittels Tabling, Snapshot-Isolation-Transaktionen und deklarativem Datenabruf. Sie unterstützt zudem Hochverfügbarkeit durch konsensbasierte Cluster-Replikation, rollenbasierte Zugriffskontrolle und die Integration mit KI-Agenten für den strukturierten Datenabruf. Die Verwaltung wird über eine Kommandozeilenschnittstelle unterstützt, und das System bietet Tools zur Visualisierung von Graph-Schemata sowie zur Prüfung administrativer Aktivitäten.

Starspace ist ein Vektor-Embedding-Framework, das für das Training hochdimensionaler Repräsentationen von Text und Bildern entwickelt wurde. Es fungiert als Machine-Learning-System für neuronales Ranking, Textklassifizierung und Knowledge-Graph-Embedding und bildet verschiedene Objekttypen in einen gemeinsamen numerischen Raum ab, um Abruf- und Vorhersageaufgaben zu erleichtern. Das System enthält spezialisierte Tools für die Vervollständigung von Knowledge-Graphen und Link-Vorhersagen, indem Entitäten und ihre Beziehungen innerhalb eines multirelationalen Vektorraums dargestellt werden. Es bietet zudem Funktionen für semantische Inhaltsempfehlungen und groß angelegte Textklassifizierung durch Abbildung von Eingaben auf Ziel-Labels oder Kandidatenelemente. Das Framework deckt breite Funktionsbereiche ab, einschließlich ähnlicher Entitäts-Rankings, Vektor-Embedding-Extraktion aus Dokumenten oder N-Grammen und der Verwendung von Random-Walk-basiertem Training. Um große Datensätze zu verwalten, integriert es diskbasiertes komprimiertes Datenladen und Negative-Sampling-Optimierung.

This project is an educational curriculum and architectural framework for building autonomous AI agents and multi-agent systems. It provides a structured learning path focused on the development of independent software components capable of planning, executing tasks, and utilizing external tools to achieve high-level goals. The framework emphasizes multi-agent system orchestration through distributed architectures where specialized agents collaborate using standardized communication protocols. It details specific design patterns such as dual-memory systems for maintaining short-term plans and

Helix DB is a distributed graph database and knowledge graph platform that persists nodes and edges on object storage for durable and unlimited scaling. It operates as an ACID-compliant system, ensuring data consistency through serializable snapshot isolation during concurrent operations. The project distinguishes itself by combining a vector search engine and a property graph, utilizing hybrid vector and full-text search to locate entry points for graph traversals. It enables dynamic graph querying through a domain-specific language, allowing complex logic and recursive queries to be execute

Memary is a memory-augmented agent framework that stores and retrieves contextual information from a knowledge graph to personalize responses and maintain long-term memory across interactions. It automatically captures all agent interactions and stores them as structured memories without requiring explicit instrumentation, then injects top-ranked user entities and themes into the active context window to tailor agent responses dynamically. The framework distinguishes itself through a multi-retriever memory search that combines COLBERT reranking with recursive graph queries across databases, e

Simple Graph ist eine leichtgewichtige Graphdatenbank-Engine, die SQLite zur Persistierung von Knoten und Kanten verwendet. Sie fungiert als relationale Graph-Engine, indem sie Graphstrukturen auf Standard-Datenbanktabellen abbildet, was die Speicherung sowohl strukturierter Daten als auch flexibler, schemaloser Informationen durch JSON-Dokument-Einbettung ermöglicht. Das System bietet ein Dienstprogramm zur Durchführung komplexer Graph-Traversierungen und Pfadfindungen durch die Nutzung rekursiver Common Table Expressions (CTEs). Dieser Ansatz ermöglicht die Erkundung tiefer Verbindungen und Sequenzen verbundener Knoten innerhalb des gespeicherten Datennetzwerks. Das Projekt unterstützt Standard-Datenverwaltungsoperationen, einschließlich des Erstellens, Aktualisierens und Löschens von Graph-Datensätzen. Alle Interaktionen werden durch die Ausführung vorbereiteter Statements (Prepared Statements) abgewickelt, um eine konsistente und sichere Datenmanipulation innerhalb der zugrunde liegenden relationalen Speicherung zu gewährleisten.

Hyper-Extract is a framework designed for automated knowledge extraction, graph construction, and retrieval-augmented generation. It functions as a command-line tool that transforms unstructured text into structured knowledge graphs and hypergraphs, enabling users to build interconnected, searchable, and machine-readable data repositories from their documents. The system distinguishes itself through its focus on personal knowledge management and incremental processing. It allows users to update existing knowledge bases by processing only new document deltas, avoiding redundant computation. Th