Awesome GitHub RepositoriesCodebase Knowledge Sources

QAnything is a retrieval-augmented generation application framework and self-hosted AI interface. It functions as a system that combines a vector database knowledge base, a document parsing service, and a hybrid search engine to generate answers based on private user data. The project features a modular pipeline architecture that allows users to independently replace components such as parsers, embedding models, and reranking engines. It supports local-first model deployment and offline operation to ensure data privacy, and includes a two-stage retrieval pipeline that merges dense vector embe

OpenChat is a conversational AI agent builder and customer service automation platform that uses large language models to power customer support chatbots across multiple channels. It provides tools for defining AI agent behavior, training on custom knowledge, managing actions, and controlling autopilot responses per channel. The platform enables deploying AI agents on web, phone, email, SMS, and WhatsApp, with a unified inbox for managing conversations across all channels. It includes CRM synchronization, automated workflows, contact segmentation, and analytics for tracking customer satisfact

Casibase is an open-source platform that orchestrates multi-turn conversations with large language models and manages retrieval-augmented knowledge bases from a single interface. It provides a unified system for connecting to over 30 AI model providers, ingesting documents into vector embeddings for semantic search, and running autonomous agent loops that can drive a browser, search the web, execute commands, and integrate with external tools. The platform distinguishes itself by combining AI conversation management with infrastructure and application orchestration capabilities. It includes a

GLM-4.5 is a multimodal large language model and advanced reasoning system. It functions as an AI coding assistant, an autonomous AI agent, and a multimodal content generator capable of processing and generating text, images, audio, and video within a single unified system. The project is distinguished by its deep reasoning capabilities, utilizing chain-of-thought processing to solve complex mathematical, logical, and technical problems. It features an agentic architecture that allows for autonomous task execution, long-horizon goal planning, and the ability to interact with external tools an

scrape-it एक Node.js वेब स्क्रैपर और HTML पार्सर है जिसे वेबसाइटों और HTML फाइलों से स्ट्रक्चर्ड डेटा निकालने के लिए डिज़ाइन किया गया है। यह एक वेब डेटा एक्सट्रैक्शन टूल के रूप में कार्य करता है जो DOM एलिमेंट्स से विशिष्ट जानकारी प्राप्त करता है और वेब कंटेंट को उपयोगी डेटा फील्ड्स में बदलता है। यह टूल विशिष्ट डेटा पॉइंट्स को टारगेट करने के लिए CSS सिलेक्टर्स का उपयोग करता है और अनस्ट्रक्चर्ड वेब टेक्स्ट को एक सुसंगत फॉर्मेट में व्यवस्थित करने के लिए स्कीमा-संचालित डेटा मैपिंग का उपयोग करता है। यह रॉ एक्सट्रैक्टेड स्ट्रिंग्स को विशिष्ट डेटा फॉर्मेट में बदलने के लिए कस्टम वैल्यू ट्रांसफॉर्मेशन का समर्थन करता है। यह सिस्टम वेब डेटा एक्सट्रैक्शन और ऑटोमेटेड कंटेंट मैपिंग की क्षमताएं प्रदान करता है। यह URL, रॉ HTML स्ट्रिंग्स या लोकल फाइल सिस्टम स्टोरेज से प्राप्त HTML कंटेंट को पार्स कर सकता है, और डायनामिक वेब पेजों से कंटेंट प्रोसेस करने के लिए हेडलेस ब्राउज़र्स के साथ इंटीग्रेट होता है।

s2client-proto स्ट्रक्चर्ड डेटा डेफिनिशन और भाषा-तटस्थ कम्युनिकेशन प्रोटोकॉल का एक सेट प्रदान करता है जिसका उपयोग बाहरी क्लाइंट और StarCraft II इंजन के बीच जानकारी का आदान-प्रदान करने के लिए किया जाता है। यह इन डेटा एक्सचेंजों के लिए एक बाइनरी सीरियलाइज़ेशन स्कीमा स्थापित करने के लिए प्रोटोकॉल बफर डेफिनिशन का उपयोग करता है। यह प्रोजेक्ट गेम इंजन ऑटोमेशन, गेम स्टेट एनालिसिस और प्रतिस्पर्धी गेमिंग के लिए सॉफ्टवेयर एजेंट्स के विकास के लिए आवश्यक अंतर्निहित कम्युनिकेशन लेयर को परिभाषित करता है। यह फ्रेमवर्क प्रोग्रामिंग भाषाओं में संगतता सुनिश्चित करने के लिए इंटरफेस डेफिनिशन लैंग्वेजेस को कवर करता है और गेम स्टेट आइडेंटिफायर्स को पठनीय नामों में अनुवाद करने के लिए स्कीमा-ड्रिवन मैसेज मैपिंग का उपयोग करता है। इसमें स्टैंडर्डाइज्ड कॉन्फ़िगरेशन फाइलों के माध्यम से अमूर्त क्षमता आइडेंटिफायर्स को विशिष्ट आंतरिक गेम एक्शन्स में मैप करने के लिए मैकेनिज्म भी शामिल हैं।

This project is an AI-powered development tool and IDE extension designed for codebase searching, automated code refactoring, and prompt context management. It functions as an LLM-driven code editor that enables users to rewrite code, scan projects, and track task completion using large language models. The system features a prompt context manager that automatically attaches relevant files and rule sets to requests to improve accuracy. It includes a codebase search tool that uses natural language prompts to locate specific logic and provide explanatory notes across a project. The tool covers

Adrenaline is an AI-powered codebase analysis tool and knowledge base designed for analyzing local software projects. It functions as a technical assistant that enables users to chat with their code, retrieve specific logic, and visualize system architectures using large language models. The project distinguishes itself by converting codebase analysis into visual system architectures and technical workflow diagrams. It utilizes retrieval augmented generation to ground responses in project-specific code snippets and documentation, while integrating real-time web search to supplement local know

Entity-Relation-Extraction एक मशीन लर्निंग फ्रेमवर्क है जिसे असंरचित टेक्स्ट के भीतर एंटिटीज और उनके तार्किक कनेक्शन की पहचान करने के लिए डिज़ाइन किया गया है। यह एक पाइपलाइन के रूप में कार्य करता है जो डीप लर्निंग मॉडल्स और ट्रांसफॉर्मर आर्किटेक्चर का उपयोग करके रॉ दस्तावेजों को संरचित नॉलेज ग्राफ में बदल देता है। यह प्रोजेक्ट एक स्कीमा-संचालित दृष्टिकोण के माध्यम से खुद को अलग करता है, जो आउटपुट स्थिरता सुनिश्चित करने के लिए निकाले गए डेटा को पूर्व-निर्धारित रिलेशनल टेम्प्लेट पर मैप करता है। यह एक बहु-चरणीय प्रक्रिया का उपयोग करता है जो एंटिटी सीमाओं को रेखांकित करने और उनके बीच संबंधों को वर्गीकृत करने के लिए सीक्वेंस-लेबलिंग टोकन क्लासिफिकेशन को कॉन्टेक्स्टुअल एन्कोडिंग के साथ जोड़ती है। टूलकिट प्री-ट्रेंड लैंग्वेज मॉडल्स को फाइन-ट्यून करने और कंप्यूटेशनल ग्राफ के माध्यम से डेटा को व्यवस्थित करने के लिए घटक प्रदान करती है। इसमें निष्कर्षण प्रक्रिया की सटीकता को सत्यापित करने के लिए ग्राउंड ट्रुथ डेटासेट के खिलाफ मॉडल परफॉरमेंस का मूल्यांकन करने के लिए उपयोगिताएँ शामिल हैं।