RAG
HippoRAG 2
HippoRAG 2是俄亥俄州立大学开发的检索增强生成框架，旨在提升RAG系统在模拟人类长期记忆方面的表现。它通过个性化PageRank算法、深度段落整合和知识图谱构建，实现高效的多跳推理与上下文感知检索。系统具备持续学习能力，可实时吸收新知识，适用于智能问答、知识管理、教育、医疗及法律金融等领域。
MiniCPM 3.0
MiniCPM 3.0是一款由面壁智能开发的高性能端侧AI模型，具有40亿参数。它采用LLMxMapReduce技术，支持无限长文本处理，增强了上下文理解能力。MiniCPM 3.0在Function Calling方面表现出色，接近GPT-4o的水平。该模型还包括RAG三件套，提升了中文检索和内容生成的质量。模型已开源，量化后仅占用2GB内存，适合端侧设备部署，保障数据安全和隐私。
Pocket Flow
Pocket Flow 是一个极简的 LLM（大型语言模型）框架，仅用 100 行代码实现。它具有轻量级、无依赖、无厂商锁定的特点，支持多 Agents、工作流、检索增强生成（RAG）等功能，帮助开发者快速构建基于 LLM 的应用程序。基于 Agentic Coding 范式，AI Agents 协助开发，提升效率。适用于多种编程语言，适合希望用极简方式开发 LLM 应用的开发者。
Quanta Quest
Quanta Quest是一款基于开源技术的AI工具，通过RAG技术整合个人数据源（如Gmail、Dropbox、Notion等），提供智能化搜索功能。它强调数据隐私和本地化处理，支持多平台连接，可构建全面的知识库并提供个性化搜索体验。主要功能包括数据整合、AI驱动的智能搜索、隐私保护及多平台兼容性。
