2 repositorios
Connecting AI capabilities and chat sessions directly to database ORM models for persistence.
Distinct from Chat Model Integrations: None of the candidates cover the specific integration of AI chat logic with database models like ActiveRecord
Explore 2 awesome GitHub repositories matching artificial intelligence & ml · Database Model Integrations. Refine with filters or upvote what's useful.
SuperduperDB es un orquestador de agentes de IA y plataforma de machine learning integrada en bases de datos. Sirve como framework para construir agentes de IA con estado y aplicaciones de generación aumentada por recuperación (RAG) integrando modelos de lenguaje grandes directamente con backends de bases de datos. El proyecto permite el despliegue de infraestructura de IA autohospedada y la gestión de modelos de lenguaje en hardware privado utilizando puntos de control locales. Se distingue por permitir a los usuarios adjuntar componentes de IA directamente a campos de datos, activando la ejecución del modelo y transformaciones automatizadas basadas en inserciones y actualizaciones de la base de datos. La plataforma cubre una amplia gama de capacidades, incluyendo orquestación de machine learning para entrenamiento y ajuste fino, integración de búsqueda vectorial para recuperación multimodal y una capa de datos agnóstica al backend que admite varios motores de almacenamiento SQL y NoSQL. También proporciona herramientas para la orquestación declarativa de flujos de trabajo y el empaquetado de aplicaciones de IA reutilizables. El sistema está implementado en Python y proporciona una API uniforme para interactuar con múltiples backends de bases de datos.
Encapsulates standard AI models with the logic required to interact directly with database backends.
ruby_llm is an LLM integration framework and AI agent orchestrator designed to connect applications to multiple large language model providers through a unified interface. It serves as a toolkit for building autonomous assistants with custom personas, managing structured output via JSON schemas, and implementing vector embedding engines for semantic search. The project distinguishes itself as an observability suite and multimodal toolkit. It provides specialized capabilities for tracking token usage, calculating model costs, and tracing workflows via OpenTelemetry, while supporting the proces
Connects chat capabilities directly to database models for easy persistence and retrieval.