仓库攻略

AIGC_Interview 是一个中文 AIGC（人工智能生成内容）领域求职百科全书，涵盖算法工程师、提示词工程师、产品经理等岗位的面经、必备基础知识、学习路径和资源索引。仓库以 Markdown 形式维护，持续更新，分类清晰，聚合了知乎、牛客、CSDN 等平台大量真实面试经验分享，是 AIGC 求职者的一站式参考资料。 ⚠️ 性质说明：这是一个资料整理型…

Crawl4AI 是 GitHub Star 数最多的开源网页爬虫（75,960 ★，数据截至 20260817），专为将网页转化为 LLM 可直接消费的 Markdown 而设计。相比传统爬虫输出 HTML 碎片，Crawl4AI 输出结构清晰、噪音少、带引用标注的 Markdown，特别适合 RAG pipeline、Agent 数据摄取和大规模数据采集…

CodeGraphRAG 是一个面向多语言代码库的 AI 问答与编辑系统。它用 Treesitter 解析源码，构建代码结构知识图谱存入 Memgraph，再用自然语言驱动 Cypher 查询，实现代码问答、编辑和优化。整个流程对用户屏蔽了图数据库细节——只需一条 CLI 命令，就能把一个陌生仓库变成可对话的智能体。 核心思路：把代码当知识图谱来索引，而不是…

PAIRAG 是基于阿里云 PAI 平台的开源 Agentic RAG 框架，定位"5 分钟构建企业级 Agentic RAG 应用"。它不只是一个检索增强生成系统，而是一站式平台：知识库管理 + 多模态理解（图片/视频） + ReAct 智能体 + MCP 工具生态 + 任务规划 + 联网搜索 + TexttoSQL。 核心架构：FastAPI 后端 + …

FlashRAG 是中国人民大学 NLPIR 实验室开源的 RAG（检索增强生成）研究 Python 工具包，已被 WWW 2025 Resource Track 接收。 核心理念：RAG 研究门槛高——需要分别找数据集、实现各算法、搭评估流程，碎片化严重。FlashRAG 提供一站式解决方案：36 个预处理基准数据集 + 23 个 SOTA RAG 算法（…

OpenKnowledge（内部包名 @inkeep/openknowledge）是一个 AI 原生的 Markdown 编辑器，同时也是一个 LLM Wiki 工具。它的定位是"Notion meets VS Code"——既有 Notion 般的 WYSIWYG（所见即所得）编辑体验，又保留 VS Code 式的本地文件夹操作和 Markdown 文件本…

zoteroarxivdaily 是一个零成本、零安装的 arXiv 论文每日推荐工具，通过 fork 该 GitHub 仓库并配置 GitHub Actions，即可每天自动根据你 Zotero 书架中的论文主题，推荐当日新提交的 arXiv（及 bioRxiv、medRxiv）论文，生成带有 AI TL;DR 的邮件发送到你的邮箱。 整个流程跑在 Git…

AI4Paper 是一款面向科研人员的 Zotero 插件（XPI），也是配套的网页应用（app.ai4paper.pro）。它把 AI 能力深度嵌入 Zotero 阅读器，覆盖找文献 → 读文献 → 写综述的完整科研流程。 核心理念：「让天下没有难读的 Paper，让天下没有难做的科研」。所有 AI 功能都基于真实文献（RAG），答案可溯源到原始论文，不凭…

Pathway llmapp 是一套开箱即用的 RAG（检索增强生成）与 AI 流水线云模板集合。它基于 Pathway Live Data Framework，核心解决"数据源实时变化 → RAG 系统如何及时感知并更新索引"这个问题。与传统 VectorDB（如 Pinecone、Milvus）需要独立 ETL 管道不同，Pathway 在内存中直接处理…

LLMEngineersHandbook 是 Packt 出版社配套 GitHub 仓库，支撑一本同名实战书籍（Amazon/ Packt 有售）。与其说是"仓库"，不如说是一套完整的 LLM 工程最佳实践参考实现：覆盖数据采集、LLM 训练、RAG 搭建、AWS 生产部署、监控和评测全链路，配有可直接运行的 Python 代码和 ZenML 流水线。 解决…

GraphRAG 是微软研究院开源的模块化图结构 RAG 系统，旨在解决传统向量 RAG 无法处理的"全数据集级别的推理问题"。 传统 RAG 靠向量相似度检索，擅长"找相似片段"，但对"这本小说里最核心的主题是什么"这类需要全局理解的问题力不从心——因为答案分散在大量段落中，向量召回永远只能覆盖局部。 GraphRAG 的核心思路：先用 LLM 将文档内容…

PageIndex 是一个无向量、基于推理的 RAG（检索增强生成）引擎，由 Vectify AI 开发。其核心理念是：传统向量 RAG 依赖"语义相似度"做检索，但这不等于"真正相关"——尤其在金融报告、法律文书、医疗文献等高度专业化的长文档场景，"相似"和"相关"的差距尤为明显。 PageIndex 模拟人类阅读长文档的方式——先看目录，再顺着结构找答案…

PixelRAG 是一个基于视觉渲染的 RAG（检索增强生成）系统，核心思想：把文档（网页、PDF）渲染成截图切片（screenshot tiles），再对图片做向量检索，而不是解析 HTML 提取文本。传统 RAG 丢掉的表格、图表、排版信息，在 PixelRAG 里完整保留，读者模型可以直接"看"到原始视觉布局。 源自 Berkeley SkyLab、B…

txtai 是由 NeuML 维护的一个一体化 AI 框架，核心理念是把语义搜索、LLM 编排和工作流三大能力整合在同一个 Python 包里。 其核心组件是 Embeddings 数据库——本质上是一个融合了稀疏向量索引、密集向量索引、图网络和关系数据库的统一检索层。这使得 txtai 既能做传统向量检索，也能做 SQL 查询、主题建模、图分析。 架构图：…

RAGFlow 是 InfiniFlow 出品的开源 RAG（检索增强生成）引擎，主打"深度文档理解 + 融合上下文引擎"，将 RAG 与 Agent 能力结合，让大模型拥有可解释、可控的私有知识库。 核心理念：高质量输入才有高质量输出——RAGFlow 花大量精力在文档解析和切片质量上，而不是简单地把文档切成固定块塞进向量数据库。它支持可视化切片、智能重排…

ScrapeGraphAI 是一个基于 LLM 的 Python 爬虫库，用自然语言描述你想提取什么，它就能自动搞定——无需写 CSS 选择器、XPath，也无需分析网页结构。它背后的设计逻辑是把网页 scraping 当作一个有向图（Graph）来执行：LLM 作为图节点之间的"路由器"，决定如何遍历页面、提取什么数据。 简单说：你告诉它要什么，它用 LL…